隱私保護視角下醫療數據共享意愿研究

韓普 顧 亮 張嘉明

摘?要：[目的/意義]推進醫療數據共享是“互聯網+醫療健康”的關鍵環節，在隱私保護視角下，構建三方演化博弈模型以分析不同主體的決策行為，探究各方利益相關者的共享意愿。[方法/過程]首先構建了患者、醫療服務機構和政府的三方演化博弈模型，接著分析參與主體在模型中的演化穩定策略，最后探究三方參與主體對醫療數據共享的參與意愿。[結果/結論]基于模型策略均衡和仿真模擬發現，患者參與是推進醫療數據共享的關鍵因素;政府處罰金額與獎勵補貼是影響醫療服務機構策略選擇的重要因素，合理的獎懲金額可有效提升患者和醫療服務機構的參與意愿。通過分析投入、收益和成本等因素對隱私保護和醫療數據共享意愿的影響，可提升醫療數據隱私保護水平，推動國內醫療數據共享進程。

關鍵詞：隱私保護;醫療數據共享;患者;醫療服務機構;政府;演化博弈

DOI：10.3969/j.issn.1008-0821.2021.03.015

〔中圖分類號〕G203?〔文獻標識碼〕A?〔文章編號〕1008-0821（2021）03-0148-11

Research?on?Willingness?to?Share?Medical?Data?from

Perspective?of?Privacy?Protection

——Based?on?Tripartite?Evolutionary?Game?Analysis

Han?Pu1，2?Gu?Liang1?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]Promoting?medical?data?sharing?is?a?key?link?of“Internet+medical?health”.From?the?perspective?of?privacy?protection，a?tripartite?evolutionary?game?model?is?constructed?to?analyze?the?decision-making?behavior?of?different?subjects?and?explore?the?sharing?willingness?of?all?stakeholders.[Method/Process]First，a?tripartite?evolutionary?game?model?of?patients，medical?service?institutions?and?the?government?was?constructed，then?the?evolutionary?stability?strategy?of?the?participants?in?the?model?was?analyzed，and?finally?the?willingness?of?the?tripartite?participants?to?participate?in?the?sharing?of?medical?data?was?explored.[Result/Conclusion]According?to?the?strategy?balance?and?simulation?based?on?the?model，patient?participation?was?a?key?factor?to?promote?the?sharing?of?medical?data.Moreover，the?amount?of?government?penalties?and?rewards?and?subsidies?were?important?factors?that?affect?the?strategic?choices?of?medical?service?institutions.A?reasonable?amount?of?rewards?and?punishments?can?effectively?increase?the?willingness?of?patients?and?medical?service?institutions?to?participate.By?analyzing?the?influence?of?input，income，cost?and?other?factors?on?privacy?protection?and?medical?data?sharing?willingness，the?level?of?medical?data?privacy?protection?can?be?improved?and?the?process?of?domestic?medical?data?sharing?can?be?promoted.

Key?words：privacy?protection;medical?data?sharing;patients;medical?service?institutions;government;evolutionary?game

隨著物聯網和大數據技術的快速發展，各類醫療數據規模呈現出爆發式增長，除了傳統的臨床醫療數據外，也出現了由智能醫療設備和醫療信息系統生產的各種醫療檢查記錄。醫療大數據蘊含著非常寶貴的醫療健康信息，近年來成為了各界關注的重點。2018年9月，國家衛健委發布的《關于印發國家健康醫療大數據標準、安全和服務管理辦法（試行）的通知》，首次從官方角度給出了醫療數據的定義，即在人們疾病防治、健康管理等過程中產生的與健康醫療相關的數據[1]。該通知還多次提到要建立個人隱私保護制度，確保在實現公民隱私保護的前提下推動醫療數據共享和交換。醫療數據共享是推進“互聯網+醫療健康”的關鍵環節，也是智慧醫療發展的必然要求。因此，打通醫療數據壁壘，實現醫療數據資源共享是一項迫在眉睫的任務[2]。從已有研究來看，國內對醫療數據的開發主要還停留在數據獲取層面[3]。數據整合困難、可用性低、共享程度低、共享平臺分散、管理責任模糊等是當前國內醫療數據共享面臨的主要問題[4-6]。

從醫療隱私角度，患者知情同意與隱私保護既相互影響又互相矛盾，醫療數據共享需進一步完善知情同意和規范醫療數據共享機制，在兼顧個體權益的同時，還要確保數據共享的持續發展[7]。目前，國內醫療隱私泄漏現象非常普遍，主要表現在侵權主體更廣泛、手段更隱秘以及監管制度的缺失[8]，由此造成的隱私憂慮悖論現象更是非常普遍[9]，具體表現在患者對隱私泄露和數據共享收益之間十分矛盾。朱侯等[10]研究發現，當用戶感知到較高收益或較低風險時，用戶傾向于共享數據信息，因此隱私保護是用戶主動參與醫療數據共享的重要影響因素。

目前，如何安全地實現醫療數據共享已成為學界重點關注的研究方向。針對移動醫療系統中的訪問控制問題，羅恩韜等[11]提出利用屬性加密對簽名代理進行授權來提高數據的安全性。為了安全高效地實現醫療云中數據共享，黃娜娜等[12]將醫療數據劃分為個人區域和公共區域，采用不同加密方式和訪問權限控制來確保數據共享安全。類似地，王輝等[13]和衛榮等[14]利用區塊鏈和云存儲技術來實現醫療數據的共享安全。

通過上述分析可知，隱私保護是實現醫療信息共享的重要影響因素，但目前學者們主要關注隱私數據安全共享的技術問題，鮮有學者研究醫療數據共享中相關方的意愿傾向。因此，在考慮隱私保護前提下，深入分析醫療數據共享中收益和成本如何影響參與者選擇決策是十分有必要的。演化博弈論是將博弈理論分析和動態演化分析相結合的理論，是處理多方利益下多元意見策略選擇問題的理論[15]，通過演化穩定策略（ESS）和復制動態（RD）可探究群體演化動態過程和各主體意愿傾向。與傳統博弈論不同，演化博弈論將博弈者視為有限理性人，追求動態平衡，可有效處理博弈中多策略選擇問題。Akkaoui?R等[16]用演化博弈論模型研究醫療數據共享中不同個體分享數據時的信任度問題，并對信任演變進行了數值分析;盧新元等[17]構建了患者與醫生之間的博弈模型，并基于均衡策略為在線健康社區的運營管理提出建議。此外，在醫療服務方面，Lightfoot?J?M[18]運用博弈論分析了醫療市場上冗余服務、重復設施、競爭激烈的問題;通過構建患者與醫療服務機構的博弈模型，Ho?T?Y等[19]分析了患者醫療費用的分擔政策問題;郭小聰等[20]從演化博弈論角度研究了消費者賦權與合作治理對醫療費用控制的作用。在醫療場景選擇方面，Gao?Y等[21]構建了跨區域醫院與患者選擇策略的博弈模型，分析了患者、醫院和政府的三方演化路徑、均衡狀態和影響因素;翟運開等[22]針對遠程醫療場景構建三方博弈模型，根據混合策略均衡解為遠程醫療發展提出了針對性的建議。在醫療決策方面，Li?M等[23]用演化博弈論幫助醫療機構在共享數據方面進行優化決策;Yao?J?T等[24]基于博弈論模型驗證了醫療決策的不確定性，并發現博弈粗糙集能提高醫療決策質量。在用戶數據安全方面，Shokri?R等[25]應用基于位置優化的博弈模型來保護用戶信息;Zhu?F?W等[26]提出擴展博弈論模型來解決隱私泄露問題。除此之外，李君妍等[27]利用演化博弈論分析了藥品回收中的多方收益，提出了政府參與的重要性?？偟膩碚f，演化博弈論可應用于兩方、三方或多方的行為策略選擇。在醫療數據共享博弈中，患者、醫療服務機構等群體數量龐大，因此演化博弈論中大群體假設可適用于此博弈情境，通過演化博弈策略均衡和仿真模擬可得出具有針對性的策略建議。

基于此，本文從隱私保護視角，針對醫療數據共享意愿問題，運用演化博弈理論，構建患者、醫療服務機構和政府的三方博弈模型，深入分析投入、收益、成本等因素對隱私保護和醫療數據共享意愿的影響，為推動醫療大數據共享提出有針對性的建議。

1?利益相關者分析與基本條件假設

1.1?利益相關者分析

在醫療數據共享應用場景下，患者是醫療數據的提供方，醫療服務機構為醫療數據提供相關應用，政府則為該過程提供引導。三博弈主體間關系如圖1所示。

此場景下的三方演化博弈中，患者在醫療數據共享中提供自身醫療健康數據并期待醫療服務感知價值的提高，如提升就診和信息咨詢的效率、提高患者信息同步的服務能力等[28]。與此同時，患者也承擔著隱私泄露的風險，由于醫療信息對個人來說是高價值信息[29]，這一信息泄漏將會對患者造成較大損失。醫療服務機構通過醫療數據共享以實現數據的更高價值，如提高診斷精度以及優化服務模式等。政府機構在醫療數據共享中扮演著引導者角色，主要目標是推動醫療數據資源共享健康有序發展。對于政府部門來說，推進醫療數據共享必然將承擔隱私泄露風險，受限于當前階段的隱私保護技術和隱私保護投入等原因，在不夠充分成熟條件下推進醫療數據共享可能會帶來較大風險，政府部門可能沒有足夠動力推動醫療數據共享。

1.2?基本條件假設

本文假設該演化博弈模型中“參與醫療數據共享”和“不參與醫療數據共享”是患者的可選策略;“積極保護醫療隱私信息”和“消極保護醫療隱私信息”是醫療服務機構的可選策略;“推進醫療數據共享”和“不推進醫療數據共享”則是政府的可選策略。當選擇推進醫療數據共享時，政府的推進意愿會為患者參與帶來信任增益，政府選擇使用公信力作為擔保，鼓勵患者參與醫療數據共享。對于醫療服務機構而言，政府推進醫療數據共享往往會通過獎勵或者處罰等措施，進而引導醫療服務機構提供高水平的醫療隱私信息保護行為。無論是以公信力鼓勵患者參與或者是以獎懲引導醫療服務機構，從成本與收益角度，政府都需要衡量自身策略選擇的詳細收支情況，選擇最有益于自身的策略。

1.3?參數定義

基于上述假設，表1給出了三方演化博弈模型需要的參數及其含義。

1.5?收益矩陣

當患者選擇“參與醫療數據共享”，醫療服務機構選擇“積極保護醫療隱私信息”，政府選擇“推進醫療數據共享”策略時，患者收益為參與醫療數據共享而獲得醫療服務質量的提升（B1）和因政府推進醫療數據共享所帶來的信任收益（R1）。醫療服務機構收益為基于醫療共享數據而獲取的利益（B2）和政府給予的補貼（R2），此時，醫療服務機構需要付出與高標準隱私保護相對應的建設成本（C1），承擔著隱私泄露風險（a*L2）和發生隱私泄露時來自政府的處罰金額（a*P）。政府收益為推進醫療信息共享而產生的正面影響（B3）和發生隱私泄露時從醫療服務機構收繳的罰款（a*P）。此外，政府還承擔著發生隱私泄露所造成的信任損失（a*L4）以及推進醫療數據共享所需的成本（G）。同理可求出其他博弈策略組合中三博弈主體的收益公式，具體如表2所示。

2?醫療數據共享意愿中三方演化模型的構建

2.1?患者的復制動態方程

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

患者群體的復制動態相位圖[30]如圖2所示?；颊卟┺牟呗赃x擇受到醫療服務機構選擇積極保護醫療隱私信息的比例和政府選擇推進醫療數據共享的比例影響，當醫療服務機構選擇積極保護醫療隱私信息的比例y>-z*R1-B1+b*L1L1*（b-a），即患者參與醫療數據共享而獲得醫療服務質量提升與從政府處獲得信任收益之和高于最壞情況下承受的隱私泄露風險，患者傾向于選擇參與醫療數據共享（x→1），此時患者承擔較小的風險但享有較大的利益。相反，當醫療服務機構選擇積極保護醫療隱私信息的比例y<-z*R1-B1+b*L1L1*（b-a）時，患者在該條件下承擔的風險高于收益，傾向于選擇不參與醫療數據共享（x→0）。

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“積極保護醫療隱私信息”策略的期望收益為H1，選擇“消極保護醫療隱私信息”策略的期望收益為H2，平均期望收益為，公式為：

醫療服務機構的復制動態相位圖如圖3所示。當患者選擇參與醫療信息共享的比例x>C1+C2-zR22B2-L2-zP，醫療服務機構傾向于選擇積極保護醫療隱私信息（y→1）。相反，當患者選擇參與醫療信息共享的比例x

2.3?政府的復制動態方程

定義政府選擇“推進醫療數據共享”策略的期望收益為G1，選擇“不推進醫療數據共享”策略的期望收益為G2，平均期望收益為，公式為：

政府的復制動態相位圖如圖4所示。當患者選擇參與醫療信息共享的比例：

此時政府因推進醫療信息共享而獲得的社會收益高于其投入成本，政府傾向于推進醫療信息共享（z→1）。相反，當患者選擇參與醫療信息共享的比例：

政府傾向于選擇不推進醫療信息共享（z→0）。

3?演化穩定策略分析

3.1?患者與醫療服務機構

假設政府選擇推進醫療信息共享策略的比例為常數，由上述演化博弈復制動態方程的求解過程，可以得到患者與醫療服務機構雙方演化博弈的局部均衡點包括（0，0）、（0，1）、（1，0）、（1，1）。根據式（4）和式（9），可得出關于患者和醫療服務機構的雅克比矩陣。

對于局部均衡點，若滿足Det（J1）>0（Det為矩陣行列式）且Tr（J1）<0（Tr為矩陣主對角線之和），可判斷該點為演化穩定點，其對應的兩方博弈策略為演化穩定策略[31]。表3為各局部均衡點代入Det（J1）和Tr（J1）后的結果。

對于演化穩定點（0，0），患者選擇參與醫療數據共享將會承擔較大的隱私泄露風險，政府公信力并不能打消患者對隱私泄漏的顧慮，政府補貼也遠比醫療服務機構的建設成本低，對醫療服務機構的策略選擇影響小。在上述條件下，患者選擇不參與醫療信息共享，醫療服務機構會選擇消極保護醫療隱私信息。對于演化穩定點（1，0），患者參與醫療

數據共享僅需承擔較少的隱私泄露風險便可以享有較大的醫療服務質量提升，醫療服務機構此時投入的成本高于收益。在該條件下，患者會選擇參與醫療信息共享，醫療服務機構會選擇消極保護醫療隱私信息。類似地，在zR1+B1-aL1<0和2B2-L2-（C1+C2）-zP+zR2<0條件下，患者傾向于選擇不參與醫療信息共享，醫療服務機構傾向于選擇積極保護醫療隱私信息。在zR1+B1-aL1>0和2B2-L2-（C1+C2）-zP+zR2>0條件下，患者傾向于選擇參與醫療信息共享，醫療服務機構傾向于選擇積極保護醫療隱私信息。

3.2?患者與政府

假設選擇積極保護醫療隱私信息策略的醫療服務機構比例為常數，由上述演化博弈復制動態方程的求解過程可知，患者與政府雙方演化博弈的局部均衡點包括（0，0）、（0，1）、（1，0）、（1，1）。根據式（4）和式（14），可得出患者和政府的雅克比矩陣。

對于演化穩定點（0，0），患者承受的隱私泄露風險高于其可享有醫療服務質量的提升程度，政府為推進醫療信息共享投入了成本但缺少收益來源，在該條件下，患者會選擇不參與醫療信息共享，政府會選擇不推進醫療數據共享。對于演化穩定點（1，0），此時參與醫療數據共享對患者是有利的，政府推進醫療數據發展的成本和隱私泄漏風險大于其社會收益和從醫療服務機構中收繳的罰金，在該條件下，患者會選擇參與醫療信息共享，政府會選擇不推進醫療數據共享。類似地，在y（b-a）L1+R1+B1-bL1>0和y（（b-a）（L4-P）+2B3+2L3）+bP-2L3-bL4-G>0條件下，患者傾向于選擇參與醫療信息共享，政府傾向于選擇推進醫療數據共享，雙方趨向于演化穩定點（1，1）。

3.3?醫療服務機構和政府

假設患者選擇參與醫療數據共享策略的比例為常數。由上述演化博弈復制動態方程的求解和分析過程可知，醫療服務機構與政府雙方演化博弈的局部均衡點包括（0，0）、（0，1）、（1，0）、（1，1）。根據式（9）和式（14），可得到醫療服務機構和政府的雅克比矩陣。

對于演化穩定點（0，0），醫療服務機構從醫療數據共享中獲得的收益不足以覆蓋其承受的風險和支出之和，政府為推進醫療信息共享支出的成本高于從違規醫療機構中收繳的罰款金額，在上述條件下，醫療服務機構會選擇消極保護醫療隱私信息，政府會選擇不推進醫療數據共享。類似地，在y（b-a）L1+B1-bL1>0和x（（b-a）（L4-P）+2B3+2L3）+x（bP-2L3-2L3）-G<0條件下，醫療服務機構傾向于選擇積極保護醫療隱私信息，政府傾向于選擇不推進醫療數據共享。在2xB2-xL2-（C1+C2）-xP+R2<0和x（bP-2L3-bL4）-G>0條件下，醫療服務機構傾向于選擇消極保護醫療隱私信息，政府傾向于選擇推進醫療數據共享。在2xB2-xL2-（C1+C2）-xP+R2>0和x（（b-a）（L4-P）+2B3+2L3）+x（bP-2L3-bL4）-G>0條件下，醫療服務機構傾向于選擇積極保護醫療隱私信息，政府傾向于選擇推進醫療數據共享。

4?演化博弈仿真分析

為了驗證上述模型構建的正確性，本節采用MATLAB對該三方演化博弈模型進行仿真模擬。預設患者選擇參與醫療數據共享（x→1）和患者不選擇參與醫療數據共享（x→0）兩種情況，分別對醫療服務機構和政府的博弈策略選擇進行數值仿真模擬。

4.1?患者選擇參與醫療數據共享下的仿真分析

假定患者選擇參與醫療數據共享（x→1），根據醫療服務機構和政府之間的演化穩定策略分析，表6給出了預先設置各組參數的初始值。

1）演化均衡點為y=0，z=0

取x=1、B2=10、B3=10、L2=5、L3=5、L4=10、C1=20、C2=10、a=0.4、b=0.6、P=30、G=12、R2=10，此時滿足條件2xB2-xL2-（C1+C2）<0和x（bP-2L3-bL4）-G<0。按照上述分析，（0，0）是模型此時的演化均衡點，（“消極保護醫療隱私信息”“不推進醫療數據發展”）是此時的演化穩定策略，結果如圖5所示。

2）演化均衡點為y=1，z=0

取x=1、B2=20、B3=10、L2=5、L3=5、L4=10、C1=20、C2=10、a=0.4、b=0.6、P=30、G=30、R2=10，此時滿足條件2xB2-xL2-（C1+C2）>0和x（（b-a）（L4-P）+2B3+2L3）+x（bP-2L3-bL4）-G<0。按照上述分析，（1，0）是模型此時的演化均衡點，（“積極保護醫療隱私信息”“不推進醫療數據發展”）是此時的演化穩定策略，結果如圖6所示。

3）演化均衡點為y=0，z=1

取x=1、B2=10、B3=10、L2=5、L3=2、L4=2、C1=20、C2=10、a=0.4、b=0.6、P=30、G=12、R2=10，此時滿足條件2xB2-xL2-（C1+C2）-xP+R2<0和x（bP-2L3-bL4）-G>0。按照上述分析，（0，1）是模型此時的演化均衡點，（“消極保護醫療隱私信息”“推進醫療數據發展”）是此時的演化穩定策略，結果如圖7所示。

4）演化均衡點為y=1，z=1

取x=1、B2=10、B3=10、L2=5、L3=2、L4=2、C1=8、C2=4、a=0.4、b=0.6、P=5、G=10、R2=9，此時滿足條件2xB2-xL2-（C1+C2）-xP+R2>0和x（（b-a）（L4-P）+2B3+2L3）+x（bP-2L3-bL4）-G>0。按照上述分析，（1，1）是模型此時的演化均衡點，（“積極保護醫療隱私信息”“推進醫療數據發展”）是此時的演化穩定策略，結果如圖8所示。

總體而言，政府和醫療服務機構依據自身利益最大化進行策略選擇。其中，政府的處罰金額和獎勵補貼是影響醫療服務機構行為決策的重要因素，

當政府的補貼較高、處罰金額適宜時，醫療服務機構傾向于選擇積極保護醫療隱私信息，如圖6和圖8所示。此外，對政府而言，當推進醫療數據發展獲得較高社會效益時，政府積極推進醫療數據共享，如圖7所示，反之則不推進，如圖5所示。在三方博弈過程中，政府采用獎懲等方法激勵醫療服務機構保護隱私信息，三方主體均獲得理想收益，如圖8所示。隨著患者和醫療服務機構的數據共享和隱私保護意識提高，患者主動參與醫療數據共享，而政府和醫療服務機構逐漸減少對醫療數據共享的投入，最終演變為（參與，消極保護，不推進），如圖5所示，此時為醫療數據共享中最理想情況。

4.2?患者選擇不參與醫療數據共享下的仿真分析

假定患者選擇不參與醫療數據共享（x→0），根據醫療服務機構和政府間的演化穩定策略分析，表7給出了預先設置各組參數的初始值。對于3.3小節中編號10、11、12的3種情況，在x=0的情況下無法滿足達到穩定狀態的條件。

取x=0、B2=10、B3=10、L2=5、L3=5、L4=10、C1=20、C2=10、a=0.4、b=0.6、P=30、G=12、R2=10，此時滿足條件2xB2-xL2-（C1+C2）<0和x（bP-2L3-bL4）-G<0。按照上述分析，（0，0）是模型此時的演化均衡點，（“消極保護醫療隱私信息”“不推進醫療數據發展”）是此時的演化穩定策略，結果如圖9所示。由圖可知，當患者拒絕參與醫療數據共享時，政府和醫療服務機構最終只能放棄推進醫療數據共享，與4.1節中患者參與情況形成鮮明對比，由此可得患者參與是醫療數據是否成功共享的關鍵因素。

5?結論與建議

本文基于隱私保護視角和演化博弈理論，針對各方參與主體在醫療數據共享中的意愿問題，構建了包含患者、醫療服務機構和政府的三方博弈模型，并對演化博弈模型進行了分析和數值仿真模擬。研究發現，患者參與是醫療數據共享中至關重要的一環，一旦患者拒絕參與醫療數據共享，醫療服務機構和政府會失去推進醫療數據共享動力;對醫療服務機構而言，政府處罰金額和補貼金額是影響其策略選擇的重要因素，合理的懲罰金額和補貼金額將促使其更為積極地保護醫療數據隱私。

本研究進一步豐富了隱私保護在醫療數據共享中的研究，探究了各方參與主體在醫療數據共享中的意愿傾向，研究結果可為推進醫療數據共享提供針對性建議。在推進醫療數據共享行動時，首先需要規范化的行為細則和條例化的規章制度以提防和避免隱私泄漏的發生，提高患者對醫療數據共享的信心，為醫療數據共享奠定基礎;其次，政府需要合理劃定懲罰金額，過高的懲罰金額將會阻礙醫療服務機構對參與醫療數據共享的嘗試，而過低的懲罰金額無法發揮政府應有的指導作用。盡管如此，本研究還存在一定的不足，尚未考慮社會影響、分享制度和平臺保障等因素的影響。后續將嘗試加入上述因素對醫療數據共享的影響分析，并搜集真實數據進行驗證，從而做出更全面客觀的分析。

參考文獻

[1]關于印發國家健康醫療大數據標準、安全和服務管理辦法（試行）的通知[S].中華人民共和國國家衛生健康委員會公報，2018，（7）：7-11.

[2]郭瑛.大數據背景下推進青海醫療檔案信息共享服務對策探析[J].青海社會科學，2015，（6）：200-204.

[3]舒婷，徐帆，李紅霞.國內外電子病歷數據開放現狀分析與建議[J].中華醫院管理雜志，2019，（12）：1013-1016.

[4]馬燦.國內外醫療大數據資源共享比較研究[J].情報資料工作，2016，（3）：63-67.

[5]李贊梅，錢慶，李姣，等.健康醫療科學數據共享標準體系框架構建[J].醫學信息學雜志，2018，39（11）：49-53.

[6]馬詩詩，于廣軍，崔文彬.區域醫療大數據共享開放現狀及實踐探索[J].中華醫院管理雜志，2018，34（7）：564-566.

[7]關健.醫學科學數據共享與使用的倫理要求和管理規范（三）知情同意履行挑戰與原則策略[J].中國醫學倫理學，2020，33（5）：530-535.

[8]汪艷杰，霍增輝.醫療大數據時代的患者隱私權保護研究[J].中國衛生法制，2018，26（2）：50-55，78.

[9]Hallam?C，Zanella?G.Online?Self-Disclosure：The?Privacy?Paradox?Explained?as?a?Temporally?Discounted?Balance?Between?Concerns?and?Rewards[J].Computers?in?Human?Behavior，2017，68：217-227.

[10]朱侯，王可，嚴芷君，等.基于隱私計算理論的?SNS?用戶隱私悖論現象研究[J].情報雜志，2017，36（2）：134-139.

[11]羅恩韜，段國云，周雷，等.移動醫療中一種匿名代理可追蹤隱私保護方案[J].計算機研究與發展，2020，57（5）：1070-1079.

[12]黃娜娜，沈亮，楊元原.醫療云中高效安全的數據共享方案研究[J].計算機工程與應用，2020，56（1）：92-97.

[13]王輝，劉玉祥，曹順湘，等.融入區塊鏈技術的醫療數據存儲機制[J].計算機科學，2020，47（4）：285-291.

[14]衛榮，錢步月，蘭欣，等.基于區塊鏈技術的區域醫療數據安全共享問題研究[J].中國衛生信息管理雜志，2020，17（2）：136-140.

[15]Hofbauer?J，Sigmund?K.Evolutionary?Game?Dynamics[J].Bulletin?of?the?American?Mathematical?Society，2003，40.

[16]Akkaoui?R，Hei?X，Cheng?W.An?Evolutionary?Game-Theoretic?Trust?Study?of?a?Blockchain-Based?Personal?Health?Data?Sharing?Framework[C]//2020?Information?Communication?Technologies?Conference（ICTC）.IEEE，2020：277-281.

[17]盧新元，代巧鋒，王雪霖，等.考慮醫患兩類用戶的在線健康社區知識共享演化博弈分析[J].情報科學，2020，38（1）：53-61.

[18]Lightfoot?J?M.A?Game-Theoretic?Approach?to?Share?the?Costs?of?Cooperating?Healthcare?Networks[J].Journal?of?International?Technology?and?Information?Management，2019，27（3）：2-22.

[19]Ho?T?Y，Fishman?P?A，Zabinsky?Z?B.Using?A?Game-theoretic?Approach?to?Design?Optimal?Health?Insurance?for?Chronic?Disease[J].IISE?Transactions?on?Healthcare?Systems?Engineering，2019，9（1）：26-40.

[20]郭小聰，吳文強.費用角逐、消費者賦權與合作治理——政醫患三方博弈的生成、演化和解調[J].中山大學學報：社會科學版，2017，57（4）：131-139.

[21]Gao?Y，Du?Y，Sun?B，et?al.Tripartite?Evolutionary?Game?Analysis?on?Selection?Behavior?of?Trans-regional?Hospitals?and?Patients?in?Telemedicine?System[J].International?Journal?of?Computational?Intelligence?Systems，2017，10（1）：1132-1148.

[22]翟運開，路薇，孫東旭，等.遠程醫療背景下政府、醫院和患者三方博弈分析[J].中國衛生經濟，2018，37（7）：54-57.

[23]Li?M，Carrell?D，Aberdeen?J，et?al.Optimizing?Annotation?Resources?for?Natural?Language?De-identification?Via?A?Game?Theoretic?Framework[J].Journal?of?Biomedical?Informatics，2016：97-109.

[24]Yao?J?T，Azam?N.Web-based?Medical?Decision?Support?Systems?for?Three-way?Medical?Decision?Making?with?Game-theoretic?Rough?Sets[J].IEEE?Transactions?on?Fuzzy?Systems，2014，23（1）：3-15.

[25]Shokri?R，Theodorakopoulos?G，Troncoso?C.Privacy?Games?Along?Location?Traces：A?Game-Theoretic?Framework?for?Optimizing?Location?Privacy[J].ACM?Transactions?on?Privacy?and?Security，2017，19（4）：11-41.

[26]Zhu?F?W，Carpenter?S，Zhu?W，et?al.A?Game?Theoretic?Approach?to?Optimize?Identity?Exposure?in?Pervasive?Computing?Environments[J].International?Journal?of?Information?Security?and?Privacy，2010，4（4）：1-20.

[27]李君妍，楊家其.藥品回收物流三方演化博弈行為研究[J].武漢理工大學學報：交通科學與工程版，2017，41（5）：859-863.

[28]李健，王明月，許路明，等.基于用戶感知價值的醫療信息服務評價體系構建[J].數據分析與知識發現，2019，3（2）：118-126.

[29]鄧勝利，趙海平.信息泄露情境下的個人信息價值評估及個體差異：基于離散選擇模型的實證研究[J].情報學報，2019，38（3）：266-276.

[30]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，（5）：93-106.

[31]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.

（責任編輯：孫國雷）