新的联邦分析系统可以改变个性化医疗的游戏规则

预测性、预防性、个性化和参与性医学，即 P4，是未来的医疗保健。 为了加速其采用并最大限度地发挥其潜力，必须在所有利益相关者之间有效共享大量个人的临床数据。 但是，收集数据很困难。 它被隔离在世界各地的个别医院、医疗机构和诊所中。 医疗数据泄露带来的隐私风险也备受关注，缺乏有效的隐私保护技术，已成为P4医学发展的障碍。

现有的方法要么通过要求机构共享中间结果来提供对患者隐私的有限保护，这反过来可能会在患者层面泄露敏感信息，要么通过向数据添加噪声来减少潜在的泄露而牺牲结果的准确性。

现在，EPFL 数据安全实验室的研究人员与洛桑大学医院 (CHUV)、麻省理工学院 CSAIL、麻省理工学院布罗德研究所和哈佛大学的同事合作开发了“FAMHE”。 这种统一的分析系统使不同的医疗保健提供者能够执行统计分析并协作开发机器学习模型，而无需交换基础数据集。 FAHME 达到了数据保护、研究结果的准确性和实用的计算时间之间的完美点——生物医学研究中的三个关键维度。

在发表在一篇论文中 自然联系 10 月 11 日，研究团队表示，FAMHE 与其他试图克服隐私和准确性挑战的方法之间的根本区别在于，FAMHE 可以大规模运行，并且已被证明在数学上是安全的，这是必须的，因为它的敏感性数据。

在两份典型的出版物中，FAMHE 精心高效地复制了两项已发表的多中心研究，这些研究依赖于以数据为中心的详细法律合同进行以数据为中心的研究——包括肿瘤学中的 Kaplan-Meier 生存分析和医学遗传学中的全基因组关联研究。 换句话说，他们表明即使数据集没有移动和居中，也可以取得相同的科学结果。

“迄今为止，没有人能够重现表明标准化分析在大规模工作的研究。我们的结果是准确的，并且在合理的计算时间内获得。FAMHE 使用多边对称编码，这是对数据进行计算的能力该研究的第一作者，EPFL 教授 Jean-Pierre Hubaux 说，通过不同来源的编码形式，无需集中数据，也没有任何一方看到其他方的数据。

EPFL 高级研究员 Juan Troncoso-Pasturizza 博士补充道：“这项技术不仅将彻底改变多站点临床研究，而且还将促进许多不同领域的敏感数据合作，例如保险、金融服务和网络防御等.”。 .

患者数据的隐私是洛桑大学医院的主要关注点之一。 “大多数患者都渴望分享他们的健康数据以促进科学和医学的进步，但确保这些敏感信息的机密性至关重要。FAMHE 能够以前所未有的规模对患者数据进行安全的协作研究，” Jacques Fellay 教授说CHUV 的精准医学部门。

“这是个性化医疗的游戏规则改变者，因为只要这种类型的解决方案不存在，替代方案就是建立数据传输和使用的双边协议，但它们是临时的，需要数月的讨论才能确保“当这种情况发生时，数据得到了适当的保护。FAHME 提供了一个解决方案，它可以就将要使用和部署的工具集达成最终共识，”麻省理工学院、CSAIL 和 Broad 的 Bonnie Berger 教授说。

“这项工作为一系列生物医学研究的标准化学习算法可以以可扩展的方式构建奠定了重要基础。考虑该系统能够支持多样化分析的工具和工作流程的潜在未来发展令人兴奋生物医学的需求，”博德研究所的 Hyunghoon. Cho 博士说。

那么研究人员预计这种新解决方案的传播速度和范围有多快？ “我们正在与德克萨斯州、荷兰和意大利的合作伙伴进行深入讨论，以大规模传播 FAMHE。我们希望将其纳入医学研究的常规过程，”该研究的负责人之一 CHUV 博士让·路易斯·里萨罗 (Jean-Louis Risaro) 说研究人员。