隐私计算：生命科学领域数据共享障碍的解决方案
数据是“新的石油”已经越来越成为大家的共识，但是由于隐私和监管障碍，许多数据就像深埋地下的石油一样无法充分被利用。比如在生命科学领域，虽然共享大规模研究和临床数据集在SARS-CoV-2药物开发方面显示出巨大潜力，并将药物的预估开发时间从4-5年缩短为约1-2年，但目前还没有标准化的基础设施能够实现安全有效地大规模共享敏感的研究和临床数据。于是，如何利用隐私增强技术，实现安全可扩展的敏感研究和临床数据共享成为了当下热议的课题。
数据共享安全背后的隐私增强技术
临床数据趋向复杂和隐匿
制药和生物技术公司拥有大量的专有信息数据集，这些数据来自于体外、临床前和临床研究。虽然公司可以将这些数据用于自己的开发流程，但其中大部分数据被储存在一个中央服务器上不对外分享。数据集的数量不仅在增加，而且数据中的参数种类和数量也在迅速增加。
2021年，图夫茨大学药物开发研究中心发布的一份报告概述了临床试验数据复杂性的增加。研究团队发现，平均第三期临床试验产生的数据点增加了3倍，达到了平均360万个数据点，与前十年相比。图夫茨大学的报告数据显示，临床试验数据每年都变得更加丰富和复杂，并且在共享时，有潜力极大改善全球医疗保健。
PET创新技术公司的负责人表示：“制药公司已经开始探索数据市场，这推动了提供PET的初创公司的增长。我预计，5-10年后PET将得到广泛应用，带来新的收入形式和大型制药公司与初创公司合作的新方式。”
COVID-19大流行引发全球数据共享范式转变
COVID-19大流行向我们证明即使存在障碍也有可能大规模共享数据。在大流行开始后的几个月内形成了几个全球合作组织，共享实际临床数据以推动药物和疫苗开发工作。
一个值得注意的例子是国际电子病历（EHR）COVID-19临床特征化国际合作组织（4CE）。该合作组织在3周内收集了2020年1月至4月期间来自5个国家96家医院的27584名COVID-19患者的数据，其中包括187802个实验室检测数据。另一个例子是国际COVID-19数据联盟，它是一个开放的国际研究合作伙伴关系，向全球的健康研究人员和科学家提供数据。
由于在大流行期间时间非常紧迫，合作的意愿和紧迫性推动了这些合作的开始，并得到了隐私增强技术的支持。然而，现在这种紧迫性已经减弱，政府的资金支持也减少。
基于此，人们很容易得出这样的结论：充足的资金促使制药/生物技术公司更愿意参与。因此，任何新的安全数据共享努力都需要为参与者提供明确的资金或商业模型，以尽量降低投资风险并提高投资回报。
隐私增强技术在跨医疗领域的商业和产品发展中实现加密数据分析
在大流行的推动下，已经出现了几个旨在以安全合规方式在各方之间共享数据集的倡议，同时为参与者提供潜在的许可或商业模型。
为了对这些技术进行详细说明，我们来看两个国外利用隐私计算赋能生命科学领域的公司案例：Roseman Labs和Linksight。
Roseman Labs
Roseman Labs是一家提供产品的公司，使利益相关方能够在不向对方暴露敏感数据的情况下进行协作。他们提供了一个关系数据库，可以进行常见的操作，如连接、过滤和数据分析，还提供了一系列机器学习模型。
Roseman Labs通过建立虚拟数据湖来确保数据从未集中在一个地方。相反，数据被加密并分布在运行Roseman Lab产品的服务器上。参与方可以通过安全的多方计算（MPC）协议访问加密数据，以授权对合并数据进行某些分析。这意味着数据所有者控制其数据的处理方式。目前，Roseman Labs正在与一家全球前十大制药公司合作，为其生物制剂研究项目建立系统。
Linksight
另一个例子是Linksight，他们提供具有隐私保护设计的数据协作服务。组织不使用基于云的方法，而是可以在本地安装Linksight的"数据站"并与其他组织的站点连接。数据站之间运行多方计算协议，允许对数据进行计算，同时保持数据的完全加密，无法阅读。
这两家公司是这个新兴领域中的例子，他们正在努力克服技术障碍，并试图通过实施隐私增强技术来解决工业利益相关方的担忧。
虽然它们还处于早期开发阶段，但Roseman Labs和Linksight证明了在保护隐私和数据所有权的前提下，对数据集进行计算或分析的解决方案可能存在。
Roseman Labs和Linksight并不是这个领域的唯一参与者，隐私增强技术公司在过去5年内迅速增长（自2020年以来全球有50多家初创公司），其中许多公司作为公私合作伙伴关系（PPP）的一部分或与工业和政府机构紧密合作。
燃料跨大西洋飞行的任务，展示了这项迅速发展的技术的潜力，并将世界更近地推向净零航空。PETs可以彻底改变药物发现和临床试验设计的数据共享方式
随着技术障碍和信任问题的逐渐克服，很明显，隐私增强技术在改善全球医疗保健和应对公共卫生挑战方面具有巨大潜力。为了有效利用这些技术，大型制药公司、生物技术公司、学术界和政府将不得不进行合作，重新思考如何使用和重复使用研究和临床数据集，以便以符合监管要求的方式做出数据驱动的决策，同时造福更多人。
通过共享结果而不是数据本身，可以保护行业和/或学术利益相关方的隐私和数据所有权。一个重要的挑战在于制定清晰的激励策略，以便使学术团体、政府机构（尤其是）和工业利益相关方加入。公私合作伙伴关系（PPP）在推动这一进程中发挥着至关重要的作用，通过降低投资风险和激励利益相关方的参与。
本文由“开放隐私计算”翻译整理，转载请注明来源。
END热门文章: