毫无疑问，智慧医院需要持续筑牢安全防护墙，但并不意味着要把安全防护墙加高到滴水不进、滴水不出的地步。正如国家卫生健康委规划发展和信息司毛群安司长所说，未来医院的边界会越来越模糊、协作更加频繁，传统的医疗业务流程可能嵌入若干大数据、智能应用，实现医患互动、临床协作、医教研的互动。

  为保护患者个人的数据隐私，经过清洗后，被用于二次开发的患者数据集中，患者个人信息既不可被识别，也不可被逆转（即逆向破解，将脱敏数据还原为原始数据）。线路板厂发现，尽管主流医疗大数据、人工智能企业普遍拥有成熟的数据脱敏技术，但随着数据量累计、数据交叉比对持续、新型算法模型被研发，脱敏数据被逆向破解的风险将持续加大。因此，“最小可用”原则是保护患者数据隐私的最后一道防线。

  随着技术革新，传统深度学习也许将不再过度依赖数据量进行算法训练。作为新型神经网络的一个分支，生成对抗网络（GAN）通过分离出生成网络、鉴别网络，犹如一个警察和假钞贩子之间的对抗，警察对假钞的鉴别能力不断提高，假钞贩子“以假乱真”能力也不断提高，最终机器对医学影像的判断准确性将趋于甚至超过人类。更重要的是，生成对抗网络仅需要少量影像数据进行算法训练，且无需人工参与标注，从而符合“最小可用”原则。

  无论是在信息化时代、互联网时代、大数据时代还是人工智能时代，数据质量始终是灵魂。对于医院信息系统（HIS）、云平台、AI算法这些数据“吞吐大户”，我们既不能让它们因“上顿不接下顿”而“营养不良”，也不能喂食“过期变质食品”而导致其“食品中毒”，甚至对整个“食品工业”丧失信心并引发行业地震。

  公立医院是医疗卫生服务主战场，也是数据治理的源头。PCB小编觉得，“水源”一旦被严重污染，公共平台归集数据后再进行治理，往往回天乏力。新近出版的《医院数据治理：框架、技术与实现》一书，标志着统计信息中心首次提出医院数据治理的理念，梳理了医院数据治理的实施重点和路径，结合国家级平台建设项目实施等相关实践，应对服务创新、数据质量、开放共享、安全合规等方面存在挑战。该书和笔者的一线调研呈现出若干迫切问题：

  （1）数据治理重数量轻质量：一些地方的全民健康信息化平台建设先抓数据汇集，再把好质量关，缺乏数据上传审查机制、数据质量预警机制，未经验证、未经处理的健康大数据只能是“一般垃圾”甚至是“有害垃圾”；

  （2）数据治理重技术轻规制：医院数据治理仅停留在技术框架层面，在院内尚未成立数据治理管理机构，在院外尚未建立第三方数据治理评估体系；

  （3）数据治理重工程轻绩效：把数据治理狭隘、静态地理解为工程项目，主管部门数据规则跟不上，承建方运营维护跟不上，医疗机构和社会各界对治理绩效的获得感不强。

  在数据输入端，我国尚未对健康大数据（尤其是医院大数据）启动国家立法，“健康医疗大数据”相关法规停留在部门规章层面，且仍处在试行期，且对健康大数据的分类、分级、分步共享开放的准则，及其易于操作的流程，尚未作出具体规定。在算法输出端，我国对医疗人工智能的算法模型的著作权尚未得到法律保障。我国知识产权的主要判定依据是《著作权法实施条例》，该条例的修正案早在2013年3月1日就开始施行，赶不上医疗人工智能技术发展的新趋势。

  综上所述，电路板厂总结，立法位阶不高、法条不够明晰、法律约束力不强，导致一些地方、一些医院的数据治理规则出现较大随意性，容易出现因时而异（如：人工智能进入某个“风口期”）、因事而异（如：医院自发提出科研合作需求）、因人而异（如：持开放态度的卫健委领导、医院领导、信息办主任）。制度刚性缺失，给医疗人工智能企业的数据可用性、低成本带来巨大挑战，也导致算法模型无法根据“额头出汗原则”的著作权原则归研发团队所有，无法对医疗人工智能研发提供稳定盈利预期、研发激励机制。