Y học dự đoán, phòng ngừa, cá nhân hóa và có sự tham gia của bệnh nhân, được gọi là P4 là phương pháp chăm sóc sức khỏe của tương lai. Nhằm đẩy nhanh tiến trình ứng dụng và tối đa hóa tiềm năng của P4, dữ liệu lâm sàng số lượng lớn các cá nhân cần được chia sẻ hiệu quả cho tất cả các bên liên quan trong quá trình điều trị.
Nhưng thông tin dữ liệu bệnh nhân phải được thu thập từ các bệnh viện, cơ sở y tế và phòng khám khác nhau trên khắp thế giới. Nguy cơ rò rỉ dữ liệu y tế là vấn đề đặc biệt nghiêm trọng và nếu không có những công nghệ bảo vệ quyền riêng tư hiệu quả, quy trình thu thập dữ liệu sẽ trở thành rào cản đối với sự phát triển của y học P4.
Những phương pháp hiện này hoặc chỉ cung cấp khả năng bảo vệ giới hạn quyền riêng tư của bệnh nhân bằng việc yêu cầu các tổ chức y tế chia sẻ kết quả trung gian, hình thành nguy cơ rò rỉ thông tin nhạy cảm ở cấp độ bệnh nhân ((PLICS) hoặc buộc phải hy sinh tính chính xác kết quả điều trị bằng giải pháp thêm nhiễu vào dữ liệu nhằm giảm thiểu khả năng rò rỉ.
Hiện nay, các nhà khoa học từ Phòng thí nghiệm Bảo mật Dữ liệu của Viện Công nghệ Liên bang Thụy Sĩ Lausanne (EPFL), phối hợp với các đồng nghiệp tại Bệnh viện Đại học Lausanne (CHUV), MIT CSAIL, Viện Broad của MIT và Harvard đang phát triển một công nghệ nền tảng, được gọi là Phân tích liên kết Mã hóa đồng nhất nhiều bên, viết tắt là “FAMHE”.
Hệ thống phân tích liên hợp này cho phép các nhà cung cấp dịch vụ chăm sóc sức khỏe khác nhau có thể đồng thực hiện những phân tích thống kê và phát triển các mô hình Máy học, không cần trao đổi các bộ dữ liệu cơ bản. FAHME đạt được mục tiêu then chốt, đáp ứng cả 3 yêu cầu bảo vệ dữ liệu, độ chính xác kết quả nghiên cứu và thời gian tính toán thực tế - ba khía cạnh quan trọng trong lĩnh vực nghiên cứu y sinh.
Trong hai lần triển khai nguyên mẫu, FAMHE sao chép lại chính xác và hiệu quả hai công trình nghiên cứu đa trung tâm đã được công bố. Thử nghiệm này cho thấy, các kết quả khoa học có thể đạt được ngay cả khi các tệp dữ liệu không được tập trung và chuyển giao cho bên nghiên cứu.
FAMHE sử dụng mã hóa đồng hình đa bên, đó là khả năng thực hiện những tính toán trên dữ liệu dạng mã hóa từ những nguồn khác nhau nhưng không cần tập trung dữ liệu và không bên nào có thể quan sát dữ liệu của những bên khác.
TS Juan Troncoso Pastoriza thuộc EPFL cho biết: “Công nghệ FAMHE không chỉ cách mạng hóa những nghiên cứu lâm sàng trên nhiều địa điểm mà còn cho phép và trao quyền cho những hoạt động liên kết phối hợp trong sử dụng những dữ liệu nhạy cảm của nhiều lĩnh vực khác nhau như bảo hiểm, dịch vụ tài chính và an ninh mạng”.
Theo TS Hyunghoon Cho tại Viện Broad, đây là một nền tảng quan trọng mà trên đó có thể phát triển các thuật toán Máy học liên hợp, có khả năng mở rộng cho hàng loạt nghiên cứu y sinh, từ đó có thể phát triển những công cụ và quy trình làm việc, đáp ứng các nhu cầu phân tích đa dạng trong y sinh học.
