辛海燕:拥抱AI新生态,守护数据安全线
“当前,医疗AI正迎来爆发式增长,市场规模持续扩大。更重要的是,AI的形态正在发生深刻变化,从简单的辅助工具进化为能够自主完成复杂任务的智能体。技术上,多模态融合和大模型的应用成为趋势,应用场景也从单一的影像识别扩展到诊疗全流程。”青岛大学附属医院人工智能与大数据管理部主任辛海燕认为,这一切都预示着一个全新的医疗AI时代已经到来。

数据集对于AI智能体而言,就如同燃料对于发动机一样重要。没有高质量的数据集,再先进的算法也无法发挥作用。同时,这些宝贵的临床数据,也是医院的核心资产。它们不仅能驱动AI发展,提升科研和临床水平,更能在合规框架下创造经济价值,成为医院未来发展的核心竞争力。因此,保护好、利用好这些数据资产,至关重要。
数据安全是医疗AI的生命线
“没有数据安全,一切创新都无从谈起。”辛海燕谈到,在拥抱AI带来的巨大机遇的同时,必须清醒地认识到,数据安全是医疗AI发展的生命线。
医疗数据的特殊性与高价值体现在以下方面:
1.高度敏感性。包含疾病史、精神健康、遗传信息等,泄露可能造成社会歧视和严重个人伤害。
2.终身不可更改。基因、病史等信息一旦泄露,无法像密码一样“重置”,其危害具有持久性。
3.极高的价值。完整医疗记录价值非常高,是网络犯罪的高价值目标。
4.强关联性。单条数据可能无害,但与其他数据结合可精准推断出个体敏感信息。
5.巨大的经济成本。医疗行业单次数据泄露平均成本高达445万美元,居各行业之首。
辛海燕建议,医院可构筑“三位一体”的防御体系:技术防护,运用先进技术手段,覆盖数据采集、传输、存储、处理及模型训练全生命周期,筑牢安全底座;管理规范,建立完善组织架构与管理制度,明确岗位责任,规范操作流程,确保管理无死角;合规保障,严格遵循国家法律法规与行业标准,落实数据安全合规要求,规避法律风险。 对此,她强调:“其中,技术是基础,管理是关键,合规是底线。三者缺一不可,共同构成一个立体的、动态的防御网络,确保数据安全。”
设计医院院外AI实验室安全合规网络架构方案
随着AI技术在医疗领域的深入应用,青岛大学附属医院面临着将核心科研数据与外部强大算力结合的机遇与挑战。在AI时代,医院对海量医疗数据的处理能力和高性能计算(HPC)的需求呈指数级增长,传统算力已难以支撑科研发展。为抓住这一机遇,医院规划在院外建立一个专用的AI实验室,利用其GPU集群来满足日益增长的科研需求。
“机遇背后是严峻的挑战,核心挑战是我们必须在安全与效率之间找到最佳平衡点。”辛海燕介绍,主要涉及以下内容:
1.数据安全风险。如何确保高度敏感的医疗科研数据在交互过程中不被泄露、篡改或滥用?
2.合规性压力。方案必须严格遵守等保2.0、《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》等法律法规。
3.网络传输效率。需建立高带宽、低延迟、高可靠的专用网络通道,同时确保绝对的物理隔离。
4.管理与审计。如何对跨院区的算力调用、数据访问行为进行精细化管控和全面审计?
为了应对这些挑战,青岛大学附属医院对推进人工智能应用确立了六大核心设计原则:
1.数据不出院:所有原始及脱敏数据始终保留在医院内部,确保数据物理边界的绝对安全。
2.最小权限:严格控制院外系统对院内数据的访问权限,仅开放业务必需的最小必要的功能接口。
3.脱敏可控:对外提供的科研数据必须经过严格、规范的脱敏处理,确保敏感信息不可追溯。
4.全程审计:对所有数据交互行为进行全面的日志记录和审计,做到操作可追溯、责任可定界。
5.专线隔离:网络采用物理隔离的专线进行连接,彻底阻断外部网络的非法入侵路径。
6.满足合规:整体架构设计以满足等保三级及以上安全要求为基准,符合行业规范与法律法规。
“这六大原则是整个方案的基石,共同构成了安全防线的核心,确保每一个环节都符合最高的安全标准。”辛海燕强调。
网络架构是人工智能应用方案的核心。青岛大学附属医院院内科研数据脱敏后和联合实验室之间规划采用裸光纤直连传输,整个网络采用“纵深防御、分区隔离”的思想,被划分为四个安全等级不同的区域,从内到外分别是:存储核心数据的“院内核心区”,作为安全闸门的“院内安全接入区”,作为专线终点的“院外专线接入区”,以及提供算力的“AI实验室算力区”。每个区域都有明确的职责和严格的访问控制。
辛海燕介绍,本方案全面对标《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》,符合等级保护2.0标准,严格执行医疗科研数据管理规定,实现了全程可审计,确保每一个操作都有据可查,为合规性提供了坚实保障。
谈及医疗AI未来发展前景,辛海燕强调:“构建可信数据空间、推动AI安全运营、共建医疗AI新生态将是未来三大发展方向。在此过程中,必须高度重视数据安全,构建三位一体的全方位防御体系,筑牢安全防线。”
下一篇: 医院应用医学人工智能专家共识

首 页