生物医学大数据·智能技术应用峰会圆满举行，锘崴科技应邀出席活动

导读

9月28日，四川大学建校125周年系列校庆活动暨第七届生物医学大数据·智能技术应用峰会在四川成都顺利举行。锘崴科技应邀出席活动并作主题演讲。

关于峰会

9月28日，四川大学建校125周年系列校庆活动暨第七届生物医学大数据·智能技术应用峰会在四川成都顺利举行。此次会议由四川大学主办，四川大学华西医学中心、四川大学“医学+信息”中心、四川省生物信息学学会等单位联合承办。锘崴科技应邀参与此次会议，在活动上展示核心产品，同时，创始人王爽教授还在分论坛上发表了主题演讲。

 

数学作为最古老而又最活跃的科学之一，在世界许多重大前沿领域的创新发展中起着至关重要的作用，随着医学大数据时代的到来，医学已从定性描述进入到定量研究的阶段，现已迈入精准科学的行列。随着近代医学对数理知识了解的不断深入，数理方法在临床研究中得到了广泛推广。

因此，此次会议将主旨设定为医数融合。除主旨论坛外，还围绕这一主题设置了其他三个分论坛：生物医学中的科学计算，医学复杂数据的模型分析，医学数据融合建模分析与应用。同时还邀请了国内知名高校、医疗单位、科研和产业机构的领军人才及专家学者担纲主讲，意在促进数学与临床医学、流行病学、生物信息学以及医疗服务模式创新等医学领域的交叉融合研究与合作交流，加快、加深理、医、工交叉融合发展。

锘崴参与活动

在“医学数据融合建模分析与应用”分论坛上，锘崴科技创始人王爽教授发表了题为《隐私计算赋能生物医疗大数据安全流转》的主题演讲

在演讲中，王爽教授表示，已经有多项研究显示，传统的隐私保护手段，例如，数据脱敏，已经无法满足人工智能时代所需的隐私安全保护需求，尤其对于医疗数据、基因数据这类高敏感度的数据。最常见的如重识别攻击，观察者可以通过结合公开的生物医疗数据集中的准标识符和/或公共数据库中的数据，还原出被隐去的敏感信息，甚至能重新识别出个人姓名和其他能够对患者进行唯一确认的身份信息。值得注意的是，这些公开数据集中的数据往往已经经过匿名化处理，符合大多数法律法规（如，HIPAA、GDPR等）的要求。

已经有大量研究证实了这类型的风险，其中一项来自美国的研究显示，通过结合匿名的医院出院文件和选举人数据，一位美国州长的身份被重新识别出来。此外，基于生日、邮编和性别三个字段求交，大约63-87%的美国人可以被唯一确认。由王爽教授带领的研究团队于去年完成的研究显示，类似的重识别风险也广泛存在于中国的医疗系统中。

还有更多的研究显示，重识别攻击不止可以用来识别个体身份信息，还能确定人们的基因数据，而这远比个人身份的重识别危险，因为这会给个人带去经济或社会层面的伤害，例如求职过程中被歧视或是购买商业保险被拒绝等。同时由于他们的血亲和他们拥有相似的基因，这会导致伤害和负面影响进一步蔓延。

隐私计算通过密码学和软硬件技术，在保证数据全链路隐私安全保护、符合法律法规要求的前提下，链接多数据源数据，构建跨机构、跨领域数据网，帮助实现多方协同数据分析、学习建模以及等，并因此大幅释放数据价值、提升数据资源使用效率。

目前，锘崴的底层安全联邦学习及隐私计算框架参与完成多个大型医学研究并服务于多个国家级的健康网络中。2016年，王爽教授带领团队设计并开发了全球首个带有隐私保护的跨国医疗大数据分析系统（美国、英国、新加坡）—— PRINCESS。该系统通过隐私保护计算技术，实现原始数据不出数据源边界，多方数据源在加密安全计算环境下完成有关儿童川崎病的研究。

另外，去年，依托锘崴的技术，完成了全国首例利用联邦学习 (Federated Learning)，在带有隐私保护的情况下，进行的全国性多中心强直性脊柱炎 (AS) 全基因组关联分析 (GWAS)。在过程中，研究团队基于安全联邦学习技术开发了一个多中心GWAS分布式技术框架，iPRIVATES。通过应用该框架，实现了全国性跨多家医院、机构的AS基因组数据共享。超大的样本量使得该研究结果的可靠性、准确度等大幅提升。同时，该研究结果表明，其计算效果和计算精度与传统的中心化计算无异。这意味着，类似的安全联邦学习技术框架在实际应用中具有高度可行性，也为未来的进一步研究指明了方向。

同时，锘崴还在活动中设置了展台，展示了我们的核心产品：锘崴信®隐私保护计算平台，还介绍了公司团队以及目前已取得的成绩。

 

锘崴科技活动展台