1.1多中心科研数据共享现状与问题

多中心研究已经逐步成为现阶段临床研究的趋势^[1]，其主要的优势在于：可以在较短的时间内招募到更大量的受试者；对受试者的选取方面也选择性更多，可以选择更具代表性的样本，避免结果可信度较低，泛化能力较差等问题^[2]。然而，更大规模数据和更多参与方加入对于单家医院数据治理、伦理审批、数据安全管理、研究成果分摊等都带来了不小的挑战，分析其根本原因还是围绕在数据共享过程的前、中、后而发生的。

1.1.1数据共享成本高

不同地域、级别医院在信息系统的选型和建设上存在一定差异，导致医院数据在元信息层面上就存在巨大的差异^[3]。在医院内部已有一些依赖大数据中台建设的专病数据库产品，用以支撑单中心临床研究。在多中心场景下，现有的临床研究为了保证各方数据结构的一致，主要是以CRF收集数据，手工抽取、脱敏、录入、上传到集中化平台，这些过程均消耗巨大的人力成本，且数据准确性、完整性很难得到质控和追溯。

1.1.2数据共享意愿差

在科研数据上传到部署在主中心或者第三方云环境的集中化科研平台后，数据权属开始模糊；共享后数据价值复用也缺少健全的控制能力；缺少比较客观的数据价值衡量机制等问题都一定程度上导致医院间数据共享的意愿较差。

1.1.3数据共享风险高

随着我国对个人健康医疗数据隐私安全保护的基本制度框架完成^[4]，相较有限边界的美国模式^[5]和全保护的欧洲模式^[6]，患者医疗数据隐私边界的模糊问题给数据脱敏带来了一定难度^[7]。尤其是基因组学数据经过脱敏往往已不具备分析价值。此外，脱敏后数据结合外部关联信息也会产生泄露的风险。

1.2区块链和隐私计算现状分析

1.2.1 区块链技术现状

区块链本质上是一种分布式账本，其具有防篡改、可溯源、去中心化等特性，在医疗健康领域的应用较为广泛^[9][10]，比较常见的是：处方追踪、互联网医疗数据共享、以患者为中心的数据共享、健康档案共享、保险核保与理赔等场景^[11]。但因其技术的局限性导致区块链数据存储可扩展性较差、因数据公开和溯源诉求导致其在隐私保护方面也存在一定挑战^[12]。按照参与区块链的不同形式将区块链分为三类：公有链、联盟链、私有链。公有链的参与方加入无需授权和认证；联盟链的参与方加入需要经过一定的授权和认证，一般适用于多家不同的机构和数据主体场景，链上数据的读取和写入也需要在给定的授权情况下完成；私有链则更适合机构内部场景。因此，由于多中心研究中会涉及到多家医疗机构，所以采用联盟链模式更为合适^[8]。

1.2.2 隐私计算技术现状

隐私计算又称隐私增强计算，现阶段主流的隐私计算技术一般是指：基于密码学的多方安全计算（Secure Multi-Party Computation，MPC）技术^[13]；基于人工智能和隐私保护融合的联邦学习（Federated Learning，FL）技术^[14]；基于可信硬件的可信执行环境等。

MPC是1982年由姚期智院士提出，解决互不信任的一组参与方联合计算一个特定函数，最终，参与方无法得到除自身输入和计算结果外的任何信息。在多中心研究的场景下，可以通过MPC来实现联合统计分析，以达成各参与方获得统计分析结果^[15]，同时，原始数据不离开医院的目的。但是，因为MPC网络通信较多，计算较为复杂，导致单纯依靠MPC实现的多中心科研平台多用于理论和概念验证。

联邦学习是由Google在2016年首次提出，后被扩展为解决多数据中心、多机构、多设备等不同数据主体间联合建模和预测。由于法律法规和商业机密的双向诉求，联邦学习在金融、政务、互联网、通信等领域已有不少研究成果，在医疗领域中多中心临床研究场景下，联邦学习已有一些研究成果，但是实际的平台建设还鲜有成效。

2.1 总架构设计

多中心临床研究涉及的环节较多，除技术层面还包括人员、经费、成果等的管理过程。其中数据共享的安全管理已经不能完全满足以传统的脱敏模式为隐私保护方案。将联盟链作为数据共享中数据和行为可信的保障机制，将隐私计算技术作为原始数据不共享，结果共享诉求的数据安全保护机制。系统整体上为分布式架构见图1，具体分为：平台端、医院端和监管端（可选）。不同主体（端）之间均部署区块链节点，独立存储链上数据，主体与主体之间通过安全信道完成网络通信。其中，平台端部署在主中心或者第三方的云平台；医院端部署在所有中心；监管端部署在监管机构指定的环境。