行业背景

近年来，随着医疗流程线上化、病例电子化、医院信息化程度的不断加深，基于大数据的智能医疗逐渐成为可能，如果能够对医疗数据加以妥善利用，不仅可以提升医学研究水平，而且可以提升公共卫生服务水平，弥补基层诊疗能力短板。

但是医疗数据具有隐私性极强的特点，医疗数据的安全常常关乎人们的生命财产安全。目前，海量的医疗数据分散在各个孤立的医疗机构中，传统的方法下，数据安全和隐私保护的要求使得这些数据无法聚合起来，而单个医疗机构的数据样本量又不足以支撑大规模的模型训练，难以实现数据价值。

客户需求

• 支持医疗机构间（横向）和多行业间（纵向）的多种隐私计算模式
• 方便维护，便于批量部署

解决方案

医疗机构联合建模方案

利用隐私计算技术，则可以使得各个医疗机构的数据在不出库的前提下实现联合建模。例如,患者确诊前常常会进行-些标准化的化验，检验结果受到操作人员影响较小，可以依靠设备及标准流程进行规范化，从而获得标准化的医疗数据。引入隐私计算技术，能够进一步实现不同医疗机构的化验检查数据联合建模,通过联合建模、共享模型，即使是病例量较小的医院，也能获得效果较好的模型。模型可用于辅助医生诊断，在减轻医生工作负担的同时，帮助医生提高诊断准确率。

基于隐私计算的健康险核保方案

保险公司需要从卫健委、医保局或医院获取投保人的诊疗数据，基于专家规则和核保模型计算投保人的风险分数，并做出“拒保、延期、加费、除外”的结论。融安隐私网关将保险公司和医疗机构数据转换成密文，内置常见核保规则及模型，支持无缝切换至密文计算，有效防范数据滥用风险，保护个人隐私数据。

应用价值

• 提供隐私规则引擎，支持行业专家规则配置
• 提供硬件部署方式，减少部署和维护成本