网络化医疗保健的隐私问题

数字化、网络化的医疗保健承诺实现更早的发现、精准治疗和持续护理；然而，它也扩大了隐私丢失和合规风险的范围。我们主张从孤立的、面向应用的保护，转向以决策论贝叶斯隐私（DP）为核心、贯穿整个医疗数据生命周期的规模化隐私设计；网络感知的隐私核算，以反映人群、传感器和组织之间相互依赖性为特征；以及将合规性编码为工具，使医疗系统能够在展示监管尽职义务的同时共享证据。我们综合了医疗保健领域的隐私增强技术（PET）格局（联邦分析、DP、加密计算），识别了实践中的空白，勾勒了可部署的议程，包括隐私预算账本、协调跨站点PET组件的控制平面、共享测试平台和PET素养，以将合法、可信赖的共享设为默认选项。我们以用例（多中心试验、基因组学、疾病监测、mHealth）为例，突出了在明确隐私预算下进行多机构学习的分布式推断作为核心技术。