中国乳腺癌标准数据库“大揭秘”——联邦学习如何保障多中心数据安全共享？

2022年全国两会上，全国政协委员、中国工程院院士、上海交通大学转化医学研究院院长陈赛娟建议：

1.建立国家级重大疾病专病数据库平台，制定专病数据集标准；

2.提升重大疾病专病数据质量，多学科人员共同参与；

3.探索重大疾病专病数据共享机制，完善相关政策支持。

健康数据作为唯一技术支持和运营管理服务提供商，参与国家卫生健康委医院管理研究所中国乳腺癌诊疗能力提升项目，创建中国乳腺癌标准数据库。该项目正是旨在以标准化、高质量、可共享的专病大数据，助力乳腺癌多中心科研协作水平与诊疗能力的全面提升。

本期“大揭秘”，为您揭晓：在中国乳腺癌标准数据库的建设中，是如何借助联邦学习技术实现医疗数据共享应用的？

《中华人民共和国网络安全法》、《中华人民共和国数据安全法》、《中华人民共和国个人信息保护法》的相继实施，标志着数字经济发展和治理迈入新阶段，个人隐私和数据安全将得到更严密的保护。

医疗数据具有样本量大、维度丰富、价值高的特点，将其用于临床科研，可通过高质量科研成果反哺临床，为疾病治疗提供更准确、更快速的诊疗决策。

如何通过合理有效的数据隐私保护方式实现医疗数据的共享应用？借助联邦学习技术可以打破此困局。

一、联邦学习破解数据协作难题

Q：什么是联邦学习？如何应用于多中心科研场景？

A:联邦学习本质上是一种带有隐私保护、安全加密技术的分布式机器学习框架。它能做到在数据不出本地的情况下，通过安全机制交互模型参数，将分散在各医疗机构的数据进行共享应用和机器学习联合建模，从而达到协同训练的效果，即“数据可用不可见”。

Q：联邦学习的分类有哪些？有什么价值？

A:联邦学习按照数据在特征空间和样本ID空间的重叠关系不同，分为横向联邦学习，纵向联邦学习和联邦迁移学习。

（一）横向联邦学习

横向联邦学习本质上是样本的联合，适用于业态相同但触达客户不同的场景。当数据集A和数据集B在特征维度重叠多、样本维度重叠少时，把数据集横向（用户维度）切分，取出用户特征相同而用户不完全相同的数据进行模型训练。例如，在专病科研中，每家医院的患者来自不同地区，但它们记录的用户特征（诊断、用药、检验、检查等）相似。此时，我们可以使用横向联邦学习来构建联合模型。

（二）纵向联邦学习

纵向联邦学习本质上是特征的联合。当数据集 A 和数据集 B 在样本维度重叠多、特征维度重叠少时，把数据集纵向（特征维度）切分，取出用户相同而用户特征不完全相同的数据进行训练。如同一地区的保险和医疗机构，用户来自同一地区，但保险机构记录保险购买和赔付信息，医院记录的诊断、用药、手术等信息。纵向联邦学习将不同特征在加密的状态下加以聚合，以增强模型能力。

（三）迁移联邦学习

迁移联邦学习在两个数据集的用户与特征重叠较少的情况下，解决数据不足的问题。联邦迁移学习常用在推荐算法，比如有银行和电商平台两个不同机构，电商平台在向新用户推荐商品时，会根据用户银行数据和行为等数据推荐合适的商品。

二、中国乳腺癌标准数据库联邦学习应用实践

受不同患者的生活方式、地域环境，各地区医疗水平差异影响，乳腺癌治疗也会存在差异。在乳腺癌临床科研场景下，单中心科研往往存在样本量不足的局限。

中国乳腺癌标准数据库通过多模态数据治理、联邦学习、区块链等技术和框架，打造了覆盖全国的新一代乳腺癌科研协作环境。联邦学习满足用户隐私保护、数据安全的需求，区块链技术可以记录数据变更情况，便于监管与溯源，为科研人员提供通用、便捷、高效的科研数据平台。

（一）

平台采用分布式架构，通过横向联邦学习，按样本维度切分，在各参与医院之间开展高效率的机器学习模型训练，扩大了科研样本量、增加了数据维度，为临床科研提供高质量的数据支撑。

乳腺癌多中心科研过程中，医疗数据始终停留在医院端，医院按联邦学习算法进行本地建模，再通过参数传递，将本地模型训练结果上传至全国端中心进行汇总，形成全局模型，从而达到协同训练的效果。

（二）

在乳腺癌项目中，联邦学习模型用于样本分类与回归预测等数据价值挖掘。科研人员利用治理后的结构化、标准化数据，自定义选择横向逻辑回归、横向线性回归、横向深度神经网络等算法模型进行分发训练，导出可视化分析报告，为科研灵感激发、科研课题设计提供参考，形成数据闭环。

新兴技术的发展，为乳腺癌治疗决策注入了活力。联邦学习技术的应用，实现了多中心的数据安全共享，临床医生可获得更多样本、更多维度的数据，用于真实世界研究，全方位深入挖掘数据价值，辅助临床诊疗、拓展科研思路、提高科研效率。我们将陆续介绍中国乳腺癌标准数库中的核心能力，紧贴科研需求，助力乳腺癌诊疗能力提升。