考慮隱私保護的醫療數據共享意愿研究

韓普 張嘉明

收稿日期：2020-06-24

基金項目：國家社會科學基金項目“大數據環境下健康領域實體語義挖掘研究”（項目編號：17CTQ022）。

作者簡介：韓普（1983-），男，副教授，博士，碩士生導師，研究方向：隱私保護。張嘉明（1997-），男，軟件開發工程師，研究方向：演化博弈。

摘 要：[目的/意義]為了進一步推進醫療數據共享進程，在考慮隱私保護的前提下，研究患者和醫療服務機構對醫療數據共享的參與意愿。[方法/過程]基于演化博弈論，構建由患者和醫療服務機構兩博弈主體組成的演化博弈模型，求解兩者的復制動態方程，分析雙方在醫療數據共享中的演化穩定策略，并使用MATLAB對模型進行數值仿真模擬。[結果/結論]患者和醫療服務機構的演化穩定策略受多種因素影響，包括雙方從醫療數據共享中獲得的收益、雙方在該過程承擔的隱私泄露風險、醫療服務機構需要付出的建設成本、積極保護和消極保護條件下的隱私泄露概率。[局限]未能考慮醫療數據共享過程中政府管理部門、平臺服務商等利益方對雙方參與意愿影響。

關鍵詞：隱私保護;醫療數據共享;患者;醫療服務機構;演化博弈

DOI：10.3969/j.issn.1008-0821.2021.01.013

〔中圖分類號〕TP311;G203 〔文獻標識碼〕A 〔文章編號〕1008-0821（2021）01-0111-10

Research on the Willingness of Medical Data

Sharing Considering Privacy Protection

——From the Perspective of Evolutionary Games

Han Pu1，2 Zhang Jiaming1

（1.School of Management，Nanjing University of Posts & Telecommunications，Nanjing 210003，China;

2.Jiangsu Provincial Key Laboratory of Data Engineering and Knowledge Service，Nanjing 210023，China）

Abstract：[Purpose/Significance]In order to further promote the process of medical data sharing，considering the protection of privacy，the willingness of patients and medical services to participate in medical data sharing is analyzed.[Method/Process]Based on evolutionary game theory，an evolutionary game model consisting of two game agents of patients and medical services was constructed.Moreover，the models evolutionary stability strategies via solving the replication dynamic equations were analyzed.Finally，MATLAB was used for numerically simulation.[Result/Conclusion]The evolutionary stability strategy of patients and medical services was affected by a variety of factors，including the benefits that both parties received from medical data sharing，the risks of privacy breaches，and the construction costs that medical services needed to pay as well as the probabilities of privacy leaks under active protection and negative protection.[Limitation]The influences of the government management department，platform service provider on the willingness of both parties to participate in the process of medical data sharing were not considered.

Key words：privacy protection;medical data sharing;patients;medical service body;evolutionary game

在大數據浪潮背景下，推動醫療數據開放共享已經成為社會各界的共識。國務院在2016年6月下發的《關于促進和規范健康醫療大數據應用發展的指導意見》中明確指出，規范和推動健康醫療大數據融合共享、開放應用，穩步推動健康醫療大數據開放。只有實現真正的數據共享，才能推動醫療大數據各類應用。對于患者來說，推動醫療數據共享可以減少在不必要的重復檢查等環節上的花費，可以讓醫生全面了解其臨床記錄，更準確地診斷病情，提出更合理的治療方案，也可以全面了解自身的醫療健康狀況，更好地做好個人預防。對醫療服務機構來說，推進醫療數據共享，一方面可以促進臨床協同和臨床科研，進一步提升醫療水平和醫學研究水平;另一方面可以優化醫療服務模式，提高就診環節效率，改善用戶體驗，提升患者滿意度，同時也可以降低運營成本。

盡管不少國家和地方政府機構已經通過多種措施推動醫療數據開放共享，但在實際情況下，醫療數據共享仍然面臨著一系列亟需解決的復雜問題。對數據擁有方（一般是醫療服務機構）來說，不僅需要一套復雜的數據共享流程，還要考慮到后續的各種問題，一旦開放共享醫療數據，不僅會帶來患者隱私泄露的風險，而且還要承擔相應的法律責任。所以對于醫療服務機構而言，并沒有足夠的動力和意愿參與醫療數據共享。對于患者來說，個人就診紀錄、檢查結果、家族病史、遺傳疾病等數據一旦泄露，會出現嚴重的隱私安全等問題，因此患者對醫療數據共享也存在很大顧慮。

基于上述分析，從考慮隱私保護視角，針對醫療數據共享意愿問題，引入演化博弈理論，將患者和醫療服務機構定義為博弈主體。在此基礎上，探尋投入、收益、成本等因素對隱私保護和醫療數據共享意愿的影響，為推動醫療大數據開放共享提供有針對性的建議。

1 國內外研究現狀

1.1 醫療數據共享

醫療數據共享是推進智慧醫療和精準醫療的前提，關乎每個人的醫療健康，近些年受到了學界的極大關注。據研究機構預測，醫療數據的有效利用每年可為美國醫療健康體系帶來3 000多億元的潛在價值，貢獻0.7%的年度生產力增長;可為加拿大醫療健康體系節省100多億美元的衛生費用，約占加拿大2012年醫療總費用的5%[1]。雖然數據是臨床醫療和醫學研究的必要條件，但一直沒有有效的激勵機制，Rowhani-Farid A等[2]通過實證發現，利用開放數據徽章的激勵措施，可以提高醫療數據共享率。針對電子健康檔案共享的復雜性，從商業視角，Stevovic J等[4]提出了醫療健康數據共享的商業管理模式。也有學者在癌癥基因組數據共享研究中，提出應該要發揚數據共享的責任文化。劉嘉慶等[6]提出構建肺癌數據共享平臺，掌控肺癌發病情況，推動肺癌研究水平的同時也可提高肺癌的診療水平。可以發現，推動醫療數據已經是政府管理層面和社會各界達成的共識，但如何構建合理、有效、各利益相關方平衡機制是醫療數據共享的難點。

1.2 醫療數據隱私保護

數據共享和隱私保護之間存在矛盾關系，只有將醫療數據開放共享，才能真正發揮醫療數據的價值。Price W N等[8]指出，在醫療大數據應用中所面臨的最大挑戰就是患者隱私問題。多數電子病歷均包含患者的敏感信息，沒有病人愿意將電子病歷中的所有信息共享給所有潛在接收者，也不會無條件共享自己的所有數據[8]。病人希望自己的電子病歷數據能夠得到更精確的控制，例如研究人員需要征得他們的同意后才能獲得部分電子病歷，而不是共享所有的數據[8]。在個人控制的健康記錄中，Weitzman E R等[10]通過調研發現，有91%的用戶愿意共享醫學信息用來進行健康研究，共享的意愿取決于匿名性、研究用途以及可信賴中介機構。馬詩詩等[11]對456名患者是否將其匿名化健康醫療數據共享的意愿進行了調查，發現患者將數據共享給本院醫護人員和政府部門的意愿較高，而對共享給其他醫院的醫護人員的意愿度較低。針對電子病歷數據共享難、隱私易泄露的問題，有不少學者嘗試利用新興技術，如區塊鏈來構建電子病歷的數據共享模型[11-12]。佘維等[14]結合區塊鏈和全同態加密算法，在患者、醫療機構和數據中心3個完全信任的結點構成去中心化網絡中實現密文傳輸和密文計算，確保醫療數據的信息安全。也有文獻從法律法規層面提出應當通過立法加強健康醫療隱私信息的保護[6]。

已有研究工作主要側重于醫療數據共享的意愿、技術實現和法律法規方面的制定，然而醫療數據共享還涉及多方利益博弈，如患者隱私權和醫療機構信息收集權是其中比較直接的利益沖突[14]。對于當前多方利益沖突的現狀，可以應用博弈論構建多方博弈模型，分析系統的最優策略。演化博弈論是種群動力學方法在博弈論中的應用[15]，該理論依賴于博弈過程的動態性和具有有限理性特質的博弈者。為尋求最優策略，博弈者需要在博弈過程中不斷地模仿和學習[16]。演化博弈在多元意見的策略選擇中得到廣泛的應用。Li Y等[18]在共享單車行業中，基于演化博弈理論構建了用戶與企業的博弈模型來分析雙方策略選擇的優劣。朱光等[19]運用演化博弈理論研究了企業與圖書館對信息安全管理的投入意愿，以提升圖書館的信息安全管理水平。胡小飛等[20]應用演化博弈論探究了快遞物流行業中個人隱私對雙方交易行為的影響。

演化博弈論在醫療領域和隱私保護研究中也有廣泛應用。朱光等[21]應用演化博弈分析了移動醫療軟件商、患者與政府組成的三方博弈模型。顧秋陽等[22]利用演化博弈分析，發現提高隱私披露成本和加大對泄露隱私的懲罰等措施對緩解社交網絡中隱私泄露具有正面影響。朱光等[23]運用演化博弈論研究了患者與醫療軟件服務商在隱私問責博弈模型中的演化穩定策略。

可以發現，演化博弈論通常用來分析兩方、三方或多方行為的策略選擇，在博弈模型構建與仿真分析中得到具有非常針對性的結果和建議。基于此，本文將隱私保護作為博弈策略選擇的影響因素之一，構建患者與醫療服務機構的演化博弈模型，探討患者對醫療數據共享的參與意愿與醫療服務機構對醫療數據共享的投入意愿，并使用MATLAB對該模型進行仿真分析雙方的演化穩定策略。

2 利益相關者分析與基本條件假設

2.1 應用場景

對患者而言，醫療數據共享意愿指是否愿意將與本人相關醫療數據共享給醫院、政府和科研機構等部門;對醫療服務機構來說，醫療數據共享指醫療機構接收患者的醫療健康數據，遵照患者意愿來決定可否在不同醫療機構共享數據以及應用于醫學研究[23-24]。醫療數據共享過程包含眾多參與者，如為數據傳遞提供網絡服務的通信運營商，為保證數據安全性的監管機構以及基于醫療數據驅動的研究機構等。在考慮隱私保護的前提下，本文主要研究對患者和醫療服務機構參與醫療數據共享意愿的影響因素，并將博弈過程中的主體定義為患者和醫療服務機構，兩主體之間的關系如圖1所示。

2.2 基本條件假設

本文假設患者的博弈策略為“參與”和“不參與”，參與數據共享的患者承擔著隱私泄露風險，同時享有醫療服務質量的提升;不參與數據共享的患者放棄醫療質量的提升從而避免承受隱私信息泄露的風險。醫療服務機構的博弈策略為“積極保護”和“消極保護”隱私信息，積極保護隱私的醫療服務機構將為該策略付出更多的成本，同時也提供更嚴格的患者隱私保護;消極保護隱私的醫療服務機構付出較低的患者隱私保護成本。影響患者決策因素包括醫療服務質量提升的程度以及隱私泄露風險，影響醫療服務機構決策的因素包括提供隱私信息保護的成本和因發生隱私泄露而造成損失的風險。

雖然患者普遍擔心個人醫療隱私信息的泄漏問題[25]，但不同患者對隱私的關注程度和對隱私泄露的敏感程度并不相同，醫療服務機構選擇不同的隱私保護水平與其預期獲得的收益也沒有確切的推導關系。因此，該應用場景下，兩博弈主體并不能通過一次策略選擇就抉擇出最優策略。為了找到最優策略，雙方需要在博弈中不斷地根據當前條件調整自身的策略選擇。每次策略選擇，雙方都會根據最大收益原則來審視自身的成本與收益[20]。患者可能選擇放棄參與醫療數據共享所帶來的收益以規避較高的隱私泄露風險，也可能選擇承擔較小隱私泄露風險換取更高質量的醫療服務。醫療服務機構可能選擇積極保護患者隱私策略以提高患者參與醫療數據共享的意愿，也可能采取消極保護患者隱私策略以降低建設醫療數據共享的成本。

2.3 參數定義

基于上述假設，為方便模型構建，表1列出了博弈模型需要的參數及其含義。

3 演化博弈模型構建和分析

3.1 模型構建

基于上述假設和參數，表2給出了兩博弈主體在不同決策下的收益矩陣。

1）當患者選擇“參與數據共享”策略且醫療服務機構選擇“積極保護隱私信息”策略時，患者獲得醫療服務質量提升的同時承擔積極隱私保護條件下隱私泄露的風險。患者的收益如式（1）。

Patient1，1=B1-a*D1（1）

醫療服務機構在此策略組合下獲得由共享數據帶來的收益，付出較高建設成本且承擔著較低隱私泄露風險。醫療服務機構收益如式（2）。

Hospital1，1=B2-A-a*D2（2）

同理可求出其余策略組合下兩博弈主體的收益。

2）當患者選擇“參與數據共享”策略且醫療服務機構選擇“消極保護隱私信息”策略時，患者收益如式（3），醫療服務機構收益如式（4）。

Patient1，0=B1-b*D1（3）

Hospital1，0=B2-C2-b*D2（4）

3）當患者選擇“不參與數據共享”策略且醫療服務機構選擇“積極保護隱私信息”策略時，患者收益如式（5），醫療服務機構收益如式（6）。

Patient0，1=0（5）

Hospital0，1=-C1（6）

4）當患者選擇“不參與數據共享”策略且醫療服務機構選擇“消極保護隱私信息”策略時，患者收益如式（7），醫療服務機構收益如式（8）。

Patient0，0=0（7）

Hospital0，0=-C2（8）

基于上述多種博弈策略組合下患者和醫療服務機構的收益情況，可得到兩方博弈的收益矩陣，結果如表2所示。

表2 兩方博弈的收益矩陣

患者/醫療服務機構積極保護隱私信息消極保護隱私信息

參與數據共享B1-a*D1，B2-C1-a*D2B1-b*D1，B2-C2-b*D2

不參與數據共享0，-C10，-C2

3.2 演化博弈模型復制動態方程

3.2.1 患者的復制動態方程

定義患者選擇“參與數據共享”策略的期望收益為P1，選擇“不參與數據共享”策略的期望收益為P2，平均期望收益為，公式為：

P1=y*（B1-a*D1）+（1-y）*（B1-b*D1）（9）

P2=y*0+（1-y）*0=0（10）

=x*P1+（1-x）*P2=x*（B1-b*D1+y*D1*（b-a））（11）

患者博弈策略的復制動態方程為：

F（x）=dxdt=x*（P1-）=x*（1-x）*（B1-b*D1+y*D1*（b-a））（12）

dF（x）dx=（1-2*x）*（B1-b*D1+y*D1*（b-a））（13）

患者群體的復制動態相位圖如圖2所示。

圖2 患者群體的復制動態相位圖

3.2.2 醫療服務機構的復制動態方程

定義醫療服務機構選擇“積極保護隱私信息”策略的期望收益為H1，選擇“消極保護隱私信息”策略的期望收益為H2，平均期望收益為，公式為：

H1=x*（B2-C1-a*D2）+（1-x）*（-C1）（14）

H2=x*（B2-C2-b*D2）+（1-x）*（-C2）（15）

=y*H1+（1-y）*H2（16）

醫療服務機構博弈策略的復制動態方程如式（17）所示。

F（y）=dydt=y*（H1-）=y*（1-y）*（x*D2*（b-a）+C2-C1）（17）

dF（y）dy=（1-2*y）*（x*D2*（b-a）+C2-C1）（18）

醫療服務機構的復制動態相位圖如圖3所示。

3.3 演化穩定策略

2）V1≤0且V2>1

取B1=10、D1=10、a=0.2、b=0.7，此時V1=-0.6，V1≤0，取D2=10、C1=15、C2=5，此時V2=2，V2>1，（“參與醫療數據共享”“消極保護隱私信息”）是此時的演化穩定策略，結果如圖11所示。

3）0

取B1=5、D1=10、a=0.2、b=0.7，此時V1=0.4，0

4）01

取B1=5、D1=10、a=0.2、b=0.7，此時V1=0.4，01，（“不參與醫療數據共享”“消極保護隱私信息”）是此時的演化穩定策略，結果如圖13所示。

5）V1>1且0

取B1=1、D1=10、a=0.2、b=0.7，此時V1=1.2，V1>1，取D2=10、C1=8、C2=5，此時V2=0.6，0

6）V1>1且V2>1

取B1=1、D1=10、a=0.2、b=0.7，此時V1=1.2（V1>1），取D2=10、C1=15、C2=5，此時V2=2（V2>1），（“不參與醫療數據共享”“消極保護隱私信息”）是此時的演化穩定策略，結果如圖15所示。

5 結論與建議

本文基于演化博弈論，在考慮隱私保護的情況下，分析了患者和醫療服務機構之間關于醫療數據共享參與意愿的博弈行為，求解出多種條件下的演化穩定策略，并且使用MATLAB對該博弈模型進行數值仿真分析。研究發現：①從醫療數據共享中可獲取利益的多少是患者博弈策略選擇的重要影響因素。若存在足夠的利益則可使患者忽略醫療服務機構的博弈策略而始終選擇參與醫療數據共享，即使因此會承擔較高的隱私泄露風險;②積極和消極保護隱私策略的建設成本、隱私泄露風險的差異對醫療服務機構博弈策略選擇有著較大影響。當建設成本或隱私泄露風險在兩種策略下存在極大差距時，醫療服務機構傾向于選擇付出較低建設成本或者帶來較小隱私泄露風險的策略。基于此，本文提出以下對策建議：

1）大力發展醫療數據的各類大數據應用，包括利用共享大數據定期發布個人健康監測報告、患病風險預測、重大疾病數據防控以及基于基因組大數據預警發病風險等，這有利于擴大醫患雙方從醫療數據共享中獲取利益。患者因參與醫療數據共享而享有更便捷的醫療服務模式、更高質量的醫療水平、更全面的康復指導以及更低的就醫費用等收益。對于醫療服務機構，醫療數據共享的發展不僅可以推進精準醫療，還可以促成跨醫院數據共享，達成有效合理的分級診療，實現對醫療資源的充分利用，最終提升醫療水平和研究水平。當醫患雙方從醫療數據共享中獲得的收益持續擴大，繼續采取消極保護患者隱私的策略將會導致醫療服務機構的機會成本增大，因此醫療機構將會愿意耗費更多的建設成本來為患者提供積極的隱私保護，雙方此時的策略選擇均對對方的策略選擇產生積極影響。

2）降低醫療服務機構實施積極隱私保護的成本。隱私保護的建設成本是醫療服務機構選擇博弈策略的重要影響因素之一，若積極隱私保護的建設成本過高，則會導致醫療服務機構趨向于選擇消極保護策略，這將會影響患者參與數據共享的意愿，造成患者不愿意參與、醫療服務機構不愿意投入的雙輸局面。具體而言，可采取縮小消極保護和積極保護之間建設成本差距的方法，通過制定法律法規提高或限制消極隱私保護的下限，若消極保護與積極保護之間的成本相差極小，醫療服務機構更愿意采用積極保護，提高患者的參與意愿，從而讓自身獲得更多的利益。

3）加大對醫療服務機構在泄露隱私信息后的處罰力度。隱私泄露發生后的處罰力度同樣影響著醫療服務機構的博弈策略選擇，選擇積極隱私保護策略意味著可在很大程度上避免處罰，而選擇消極保護則會導致因發生隱私泄露被處罰的幾率增加，醫療服務機構不得不考慮承擔處罰的風險。較高的追責和處罰力度將使更多的醫療服務機構傾向于選擇積極保護策略，這對于患者、醫療服務機構和整個醫療數據共享過程來說都是有利的。

參考文獻

[1]李姣，郭海紅，郭珉江，等.美英政府開放健康醫療數據的主題分布與開放程度量化研究[J].圖書情報工作，2015，59（20）：132-137.

[2]Rowhani-Farid A，Allen M，Barnett A G.What Incentives Increase Data Sharing in Health and Medical Research？A Systematic Review[J].Research Integrity and Peer Review，2017，2（1）：4.

[3]Rowhani-Farid A，Allen M，Barnett A G.What Incentives Increase Data Sharing in Health and Medical Research？A Systematic Review[J].Research Integrity and Peer Review，2017，2（1）：1-10.

[4]Stevovic J，Li J，Motahari-Nezhad H R，et al.Business Process Management Enabled Compliance-aware Medical Record Sharing[J].International Journal of Business Process Integration and Management，2013，6（3）：201-223.

[5]Siu L L，Lawler M，Haussler D，et al.Facilitating a Culture of Responsible and Effective Sharing of Cancer Genome Data[J].Nature Medicine，2016，22（5）：464-471.

[6]劉嘉慶，李光.基于醫療大數據的省市級肺癌專病平臺的建設[J].中國免疫學雜志，2019，35（21）：2687-2689.

[7]粟丹.論健康醫療大數據中的隱私信息立法保護[J].首都師范大學學報：社會科學版，2019，（6）：63-73.

[8]Price W N，Cohen I G.Privacy in the Age of Medical Big Data[J].Nature Medicine，2019，25（1）：37-43.

[9]Caine K，Hanania R.Patients Want Granular Privacy Control Over Health Information in Electronic Medical Records[J].Journal of the American Medical Informatics Association，2013，20（1）：7-15.

[10]Weitzman E R，Kaci L，Mandl K D.Sharing Medical Data for Health Research：The Early Personal Health Record Experience[J].Journal of Medical Internet Research，2010，12（2）：e14.

[11]馬詩詩，于廣軍，陳敏，等.患者醫療健康數據開放與隱私保護的問卷調查研究[J].中國衛生信息管理雜志，2019，16（2）：226-231.

[12]Patel V.A Framework for Secure and Decentralized Sharing of Medical Imaging Data Via Blockchain Consensus[J].Health Informatics Journal，2019，25（4）：1398-1411.

[13]薛騰飛，傅群超，王樅，等.基于區塊鏈的醫療數據共享模型研究[J].自動化學報，2017，43（9）：1555-1562.

[14]佘維，陳建森，劉琦，等.一種面向醫療大數據安全共享的新型區塊鏈技術[J].小型微型計算機系統，2019，40（7）：1449-1454.

[15]滕長利.醫療大數據信息采集權與患者隱私權的沖突研究[J].衛生經濟研究，2019，36（5）：21-23.

[16]Hofbauer J，Sigmund K.Evolutionary Game Dynamics[J].Bulletin of the American Mathematical Society，2003，40（4）：479-519.

[17]Arora S，Singh P，Gupta A J，et al.Adaptive Selection of Cryptographic Protocols in Wireless Sensor Networks Using Evolutionary Game Theory[J].Procedia Computer Science，2016：358-366.

[18]Li Y，Ma G.Evolutionary Game Analysis on the Strategy Selection of Sharing Bicycle Enterprises and Users[J].Journal of Mathematics and Informatics，2018，14（5）：35-44.

[19]朱光，豐米寧，張薇薇.激勵機制下圖書館信息安全管理的投入意愿研究——基于演化博弈的視角[J].數據分析與知識發現，2018，2（6）：13-24.

[20]胡小飛，曾聰，郭宇雯.快遞物流業個人信息隱私保護的演化博弈分析[J].現代情報，2019，39（6）：142-148.

[21]朱光，劉虎，杜欣蒙.隱私憂慮背景下的移動醫療APP使用意愿研究——基于三方博弈的視角[J].數據分析與知識發現，2019，3（5）.

[22]顧秋陽，琚春華，鮑福光.融入隱私關注的社交網絡服務與用戶間關系的演化博弈模型研究[J].情報科學，2019，37（9）：29-36.

[23]朱光，劉虎，陳婧，等.移動醫療服務情境下的隱私問責研究——基于演化博弈的視角[J].現代情報，2018，38（12）：32-39.

[24]Li T，Slee T.The Effects of Information Privacy Concerns on Digitizing Personal Health Records[J].Journal of the Association for Information Science & Technology，2014，65（8）：1541-1554.

[25]王慧君，杜永洪，白晉，等.“互聯網+醫療”的熱實踐與冷思考[J].醫學爭鳴，2019，10（4）：71-74.

[26]王天屹，劉愛萍.大數據環境下醫療數據隱私保護對策研究[J].信息技術與網絡安全，2019，38（8）：28-32.

[27]Ding F，Liu Y，Shen B，et al.An Evolutionary Game Theory Model of Binary Opinion Formation[J].Physica A-statistical Mechanics and Its Applications，2010，389（8）：1745-1752.

（責任編輯：郭沫含）