ModelChain：私有区块链网络上去中心化隐私保护医疗预测建模框架
计算机与社会
2018-02-07 v1 密码学与安全
摘要
跨机构医疗预测建模可加速研究并推动质量改进计划，因此对国家医疗交付优先事项十分重要。例如，若利用多家机构的数据开发，预测特定患者群体再入院风险的模型将具有更好的泛化能力。尽管存在构建预测模型的隐私保护方法，但大多数基于集中式架构，这带来了安全与鲁棒性漏洞，如单点故障（及单点泄露）以及记录的意外或恶意篡改。在本文中，我们描述了一种新框架 ModelChain，将区块链技术应用于隐私保护机器学习。每个参与站点在不泄露任何患者健康信息的情况下贡献模型参数估计（即跨机构仅交换模型数据，不交换观测级数据）。我们将隐私保护在线机器学习与私有区块链网络相集成，应用交易元数据传播局部模型，并设计了一种新的信息证明算法以确定在线学习过程的顺序。我们还讨论了应用区块链技术解决隐私保护医疗预测建模任务及增强机构间互操作性的益处与潜在问题，以支持全国互操作性路线图及以患者为中心的结果研究（PCOR）等国家医疗交付优先事项。
引用
@article{arxiv.1802.01746,
title = {ModelChain: Decentralized Privacy-Preserving Healthcare Predictive Modeling Framework on Private Blockchain Networks},
author = {Tsung-Ting Kuo and Lucila Ohno-Machado},
journal= {arXiv preprint arXiv:1802.01746},
year = {2018}
}