精准健康数据：数据安全与隐私的需求、挑战及现有技术

精准健康利用来自多种来源的信息，包括组学、生活方式、环境、社交媒体、医疗记录和医疗保险索赔，以实现个性化护理、预防和预测疾病以及精准治疗。它广泛使用传感技术（例如电子健康监测设备）、计算（例如机器学习）和通信（例如健康数据中心之间的交互）。由于健康数据包含敏感隐私信息，包括患者和护理者的身份以及患者的医疗状况，因此任何时候都需妥善保护。这些隐私信息的泄露会影响个人生活，包括欺凌、高额保险费和因病史而失业。因此，信息的安全性、隐私性和可信度至关重要。此外，政府立法和伦理委员会要求医疗数据的安全与隐私。鉴于精准健康数据的安全、隐私、伦理和监管需求，寻找利用健康数据及进而实现精准健康的最佳方法和技术至关重要。对此，本文首先探讨全球的法规、伦理准则以及领域特定需求，随后提出需求并研究相关挑战。其次，本文调研适用于精准健康数据计算的安全且隐私保护的机器学习方法及其在相关健康项目中的使用。最后，本文通过一个概念系统模型阐明精准健康数据安全和隐私的最佳可用技术，该模型支持合规、伦理审批、同意管理、医疗创新及健康领域的发展。