早在2022年数百万人在几周内使ChatGPT成为世界上最受欢迎的应用程序之一之前，我们就已经在讨论人工智能的潜力，使其让我们更健康、寿命更长。
20世纪70年代，斯坦福大学的一个团队开发了MYCIN，这是最早用于辅助医学诊断的人工智能系统之一。MYCIN使用大约600条规则的知识库来识别导致感染的细菌并推荐抗生素。尽管在试验中它超过了人类专家的表现，但由于机器诊断所涉及的伦理和法律问题，MYCIN从未在临床实践中使用。
快进五十年，人工智能现在正准备以在MYCIN时代看似科幻的方式改变医疗保健。如今，现代人工智能可以在没有大量训练数据的情况下自学如何在医学影像中发现疾病，其准确度与人类临床医生相当。哈佛大学的一项关于人工智能辅助癌症诊断的研究显示，其准确率为96%。
改善诊断
在英国，一个人工智能系统检测到了11个被人类临床医生遗漏的乳腺癌迹象。微软和帝国理工学院分别进行的两项研究发现，人工智能比放射科医生发现了更多的乳腺癌病例。类似的结果也出现在前列腺癌、皮肤癌和其他疾病的AI检测中。
我们对数据的访问从未如此广泛。例如，作为欧洲最大的雇主，英国国民健康服务体系（NHS）拥有超过6500万患者的数字化数据——这些数据每年的价值超过96亿英镑（123亿美元）。这为人工智能提供了一个前所未有的机会，使其能够识别模式并生成可以彻底改善诊断、治疗和药物发现的见解。
人工智能在医疗保健中的最大优势之一是能够在庞大的数据集中检测细微模式。这些系统不仅可以分析医学影像，还可以分析基因组数据、电子健康记录、临床笔记等——发现可能逃过经验丰富的临床医生注意的相关性和风险因素。
有些人可能更愿意让AI代理处理他们的医疗数据，而不是不直接参与他们护理的人类。但问题不仅在于谁能看到数据，还在于数据变得多么便携。
在可信医疗机构之外构建的AI模型带来了新的风险。虽然医院可能已经保护了患者数据，但信任外部AI系统需要更强大的隐私保护措施，以防止滥用并确保数据安全。
AI医疗中的隐私挑战
值得注意的是，潜在的好处伴随着重大的隐私和道德关切。
医疗数据可能是最敏感的个人信息。它可以揭示的不仅仅是我们的医疗状况，还包括我们的行为、习惯和遗传倾向。
人们有合理的担忧，即AI在医疗保健中的广泛应用可能导致隐私侵犯、数据泄露或亲密个人信息的滥用。
即使是匿名数据也不一定安全。先进的AI模型已经显示出通过交叉引用其他信息来去匿名化受保护数据集的能力。还有“模型反转”攻击的风险，恶意行为者可以通过反复查询AI模型来重建私人训练数据。
这些担忧并不是假设性的。它们代表了AI在医疗保健领域采用的真实障碍，可能会阻碍挽救生命的创新。如果患者不信任隐私保护措施，他们可能不愿意分享数据。
虽然标准和法规要求用于训练AI模型的数据在地理和人口统计学上具有多样性，但在医疗机构之间共享数据需要保密性，因为除了高度敏感外，数据还包含有关诊断和治疗的见解。这导致机构在共享数据时因监管、知识产权和不当使用的担忧而保持警惕。
隐私保护AI的未来
幸运的是，一波新的隐私保护AI开发正在兴起，以应对这些挑战。像联邦学习这样的分散式AI方法允许AI模型在分布式数据集上进行训练，而不必集中敏感信息。这意味着医院和研究机构可以在不直接共享患者数据的情况下合作开发AI。
其他有前途的技术包括差分隐私，它通过向数据添加统计噪声来保护个人身份，以及同态加密，它允许在不解密数据的情况下对其进行计算。
另一个有趣的发展是我们的Runtime Off-chain Logic (ROFL)框架，该框架允许AI模型在链下执行计算，同时保持可验证性。这可能允许更复杂的AI医疗应用程序利用外部数据源或处理能力，而不损害隐私或安全性。
隐私保护技术仍处于早期阶段，但它们都指向一个未来，在这个未来中，我们可以在不牺牲患者隐私的情况下充分利用AI在医疗保健中的力量。
我们应该致力于一个世界，在这个世界中，AI可以分析你的完整病史、基因谱型甚至来自可穿戴设备的实时健康数据，同时保持这些敏感信息的加密和安全。这将允许高度个性化的健康洞察，而没有任何单一实体可以访问原始患者数据。
这种隐私保护的AI在医疗保健中的愿景不仅仅是为了保护个人权利——尽管这当然很重要。这也是为了释放AI改善人类健康的全部潜力，并以一种赢得其治疗的患者尊重的方式实现这一点。
通过建立患者和医疗服务提供者可以信任的系统，我们可以鼓励更大的数据共享和协作，从而产生更强大和准确的AI模型。
挑战是巨大的，但潜在的回报也是巨大的。隐私保护AI可以帮助我们更早地检测疾病，开发更有效的治疗方法，并最终拯救无数生命并解锁信任的源泉。它还可以通过允许在不损害个人隐私的情况下训练多样性和代表性数据集上的AI模型，帮助解决医疗保健差异。
随着AI模型变得更加先进，AI驱动的诊断变得更快更准确，使用它们的本能将变得无法忽视。重要的是，我们要教会它们保守秘密。
(全文结束)