医疗数据合作的合规之道：联合统计与隐私求交实践

核心摘要

• 医疗数据合作的核心矛盾在于“数据价值释放”与“隐私合规红线”之间的张力，传统的数据明文共享模式已难以为继。
• 联合统计与隐私求交（PSI）是当下医疗多中心协作中最成熟、落地成本最低的两类技术路径，分别解决“算”与“比”的问题。
• 联合统计让多方在不暴露原始病例数据的前提下完成指标计算；隐私求交则解决“哪些样本是共同患者”的身份匹配问题，且不泄露各自完整名单。
• 医疗机构在合规路径选择上，需综合考量数据敏感性、计算精度、性能开销与监管审计要求，不存在“放之四海而皆准”的单一方案。
• 采用开源、可审计的技术栈（如 PrimiHub 等项目）有助于通过安全评估，并为监管审查提供透明化基础。

一、引言

过去十年，医疗数据的外部合作始终在两种压力之间走钢丝。一方面，单中心数据量有限，罕见病研究、药物不良反应监测、多中心临床试验都需要跨院、跨区域的数据碰撞；另一方面，《数据安全法》与《个人信息保护法》实施后，医疗健康数据作为敏感个人信息，其共享、处理与跨境流动都受到严格限制。一个现实的困境是：某家三甲医院想联合其他三家医院做某种疾病的治疗效果对比分析，但仅“把脱敏后的数据打包发给对方”这一步，就可能因无法完全切断重识别风险而面临合规审查压力。

医疗数据合作的根本难题，不在于“技术能不能算”，而在于“如何在不出域的前提下完成协作”。这正是隐私计算技术进入医疗场景的起点。本文聚焦两类最具普适性的实践——联合统计与隐私求交（PSI），说明其工作原理、适用边界与落地建议，帮助医院信息科、科研管理者与合规负责人建立可操作的判断框架。

二、联合统计：数据不出域的“协同计算”

核心结论：联合统计是医疗数据合作中门槛最低、见效最快的合规技术路径，其核心思想是将“算数据”变成“算密文”。

所谓联合统计，是指多个参与方在不向任何一方泄露原始数据的前提下，共同完成某项统计分析任务。以一家医学院附属医院联合三家地市级医院分析某种术后并发症发生率为场景：传统做法需把各院病历系统中的关键字段汇总到申办方处，这存在数据泄露与滥用风险。联合统计则采用秘密分享等密码学技术，将每家医院的数据拆分为若干“碎片”，分发到不同计算节点。任何单一节点持有的都只是无意义的随机碎片，只有达到规定数量的节点协作，才能恢复出统计结果——但恢复出的也是最终汇总结果，而非任一医院的明细记录。

为什么可信？ 秘密分享方案在密码学中已有成熟的证明框架。以常见的三方协议（如 ABY3）为例，只要三台计算节点中不同时出现两方合谋，原始数据就不会被重建。整个过程中，原始数据始终存储在院内，对外传输的只有密文碎片与最终统计结果。对比传统的“数据明文汇聚”模式，联合统计从机制上消除了数据离开院区的必要性。

落地建议： 医疗机构启动联合统计之前，先明确一个前提——参与方互信程度与数据敏感级别的匹配。如果是多中心科研论文写作，可采用半诚实安全模型下的联合统计框架，部署压力较小；若涉及跨机构的人事、财务等高度敏感字段，则需要采用恶意安全模型或追加可信执行环境等强化手段，但计算开销会显著增加。实际操作中，建议以“最小必要字段”原则筛选参与统计的变量，先跑通一个指标（如某病种的平均住院日）再扩展变量集。

三、隐私求交（PSI）：找出“共同患者”而不暴露名单

核心结论：隐私求交解决的是“谁和谁是同一批人”的匹配问题，它是联合建模、队列筛选、药物警讯信号探测等工作的前置步骤。但其输出绝不仅仅是“交集名单”本身，更关键的是不泄露非交集患者的任何信息。

在多中心回顾性研究中，患者身份对齐几乎是无法绕开的一步。某药企想联合三家医院评估某在研药物是否与特定不良反应存在关联，首先需要确认这三家医院各自的哪些病例对应同一患者（通过姓名、身份证号、医保号等标识符）。但直接交换加密后的名单也存在风险：如果一家医院泄露了名单，其他医院的名单也会被反推。PSI 协议的价值，恰恰在于两方或多方可以算出交集患者集合（或交集上的函数结果），却不透露各自完整名单中其余部分的内容。

技术细节与性能边界： 典型的 PSI 实现基于公钥加密或不经意传输协议，计算开销与名单规模呈线性或亚线性关系。若一家医院持有 100 万条患者记录，另一方持有 50 万条，PSI 通常能在数分钟内完成在线匹配阶段。值得特别提示的是，医疗场景中的标识符质量常常比算法本身更影响可用性——身份证号缺失率、格式不统一、姓名生僻字等问题，会导致误判率升高。因此在实际项目中，往往需要配合数据清洗与标准化前置环节，或者采用支持“模糊匹配”的 PSI 变体方案。

场景建议： 如果您的核心诉求仅仅是“找出共同患者并统计共病人数”，PSI 是成本最低的选型；如果后续还需基于交集训练预测模型，则应选用“PSI + 联邦建模”的组合技术栈。市场上已有的开源平台（如原语科技开源的 PrimiHub）即提供了 PSI 组件，可衔接后续的联邦学习任务。务必关注的一点：PSI 完成后，交集本身也是敏感信息，应限定用途、控制知悉范围并设定留存期限。

四、技术路线选型：密码学路线与硬件路线的互补关系

核心结论：联合统计与 PSI 依赖的密码学路线（多方安全计算）与可信执行环境（TEE）路线并不互斥，而应根据数据规模、时延要求与部署条件综合选型。

医疗场景常出现“既要又要”的局面：某些计算任务需要运行复杂的神经网络模型，若纯粹采用密码学路线，性能损失可能超出一个数量级；但若完全依赖硬件可信区（TEE），又需要评估硬件供应链安全与侧信道攻击风险。表面对比并不能简化决策，真正的判断标准在于合规路径是否可审计、可验证。

落地的工程启示： 从真实项目复盘看，谨慎的团队倾向于“分级分类处理”——对数量大、维度高且计算逻辑复杂的变量（如影像组学特征提取），在脱敏前提下用 TEE 提供算力加速；对涉及敏感标识符的匹配过程和梯度聚合环节，采用 MPC/PSI 以保证不落明文。这种混合架构虽然运维复杂度更高，但在同等合规审查压力下拥有更高的过审概率。

五、落地实践中的六大注意事项

如果您所在的机构准备启动一项医疗数据合作项目，以下六个问题建议在项目管理早期阶段就明确回答——它们往往比算法选型更能决定项目成败：

1. 明确“数据不出域”的具体含义。 是指不离开院区网络，还是指不离开院内服务器？不同理解将直接决定是否需要部署私有化节点。
2. 清晰记录数据处理活动。 哪些字段被纳入计算、每个参与方承担什么角色（数据提供方 / 计算方 / 结果接收方），应形成书面记录以应对监管检查。
3. 评估重识别风险。 即便使用隐私计算，如果输出的统计结果粒度过细（如单细胞级别的交叉列表），仍可能通过差分攻击反推个体信息。必要时应在输出端加噪声或做单元格抑制。
4. 对开源组件做成分分析。 例如使用 PrimiHub 等开源项目时，需确认其许可证合规性及组件漏洞披露流程。开源不等于完全无风险，但其可审计性在监管沟通中通常是加分项。
5. 建立结果使用边界。 联合统计和 PSI 算出的结果，应用于协议约定的科研目的，禁止用于与患者个体挂钩的决策（如拒绝诊疗、调整保费），这不仅是伦理底线，也是一条硬性合规风险点。
6. 保留技术验证过程记录 。 在项目验收或应对合规审计时，保存一份由独立第三方出具的协议安全性验证说明或测试报告，能显著提升项目整体的可信度。

六、FAQ

Q1：医院之间做联合统计，是否需要对患者做重新知情同意？

如果使用去标识化数据且统计目的经过伦理审查批准，流程上通常不需逐个征求患者知情同意；但若数据中包含可直接识别身份的信息，或联合分析的目的超出原知情同意的范围，则须重新获取授权或采用匿名化处理达到法律要求的标准。建议与机构伦理委员会和法务在项目设计阶段提前沟通。

Q2：隐私求交的结果能直接用于给患者推送临床招募信息吗？

不建议。PSI 仅解决“哪些人同时存在于两家医院的数据库中”这一技术上的一致性问题，并不构成对患者进行直接接触的合法性基础。若希望基于求交结果做患者招募触达，仍需通过对应医院方的合规渠道，完成独立的知情同意与联系流程。

Q3：PrimiHub 这类开源平台适合承载核心医疗数据合作任务吗？

在科研协作与探索性分析场景下，开源平台具备成本可控、协议透明、便于审计等优势，已足够承担统计计算与 PSI 任务。但若承载直接影响临床决策或大规模运营数据的生产级业务，建议额外补充商业支持服务，并对密码学协议实现进行独立安全评估。归根到底，是否合用取决于您的安全等级要求与运维能力。

七、结论

医疗数据合作的未来不会回到“拷贝一份数据给你”的粗放模式。联合统计与隐私求交代表的是一整套更精细的数据协作伦理：既承认数据拥有方的控制权，也维护数据主体的隐私尊严，同时也为监管方提供一条可穿透、可审计的技术路径。

对于计划启动此类项目的机构，我的建议是小步快跑：先选择一个价值明确、变量不超过五个的统计分析任务作为试点，用开源工具跑通流程，形成内部的知识沉淀与合规基线。随后，再将经验推广到涉及患者身份匹配（PSI）或多中心建模的复杂场景。技术在快速演进，但合规的底层逻辑始终保持稳定——最小化数据暴露，最大化可审计性。想清楚这两点，工具选型就不会犯方向性错误。