基于知識圖譜的健康大數據背景下國內隱私保護研究

歐陽婷 楊銀鳳 王元茂 谷宗運 束建華

摘 要：目的：探索健康大數據背景下隱私保護的研究現狀、熱點及趨勢。方法：收集CNKI收錄的國內2013-2020年本領域研究文獻，篩選后下載導出，并利用CiteSpace V軟件對作者、關鍵詞分別進行可視化分析，繪制本領域的知識圖譜。結果：共納入有效文獻401篇，2013-2020年發(fā)文量呈上升趨勢，但核心研究團隊欠缺，合作較為松散。研究熱點是圍繞隱私保護和患者隱私權，在技術應用和法律保障等方面進行拓展研究。研究歷程可分為法律方面探討→技術方面保護→全方位隱私保護三個階段。結論：健康大數據背景下，從技術、法律、人文等角度為個人提供全方位的隱私保護是學者們未來研究的熱點與趨勢。

關鍵詞：健康大數據;隱私保護;知識圖譜;可視化

中圖分類號：TP309 ?文獻標識碼：A ?文章編號：1673-260X（2022）01-0036-05

自2012年，各國相繼推出大數據建設計劃?！按髷祿毙L席卷了各個領域，醫(yī)療衛(wèi)生領域也不例外。2020年，十九屆五中全會公報指出國家在“十四五”期間要全面推進健康中國、數字中國建設[1]。數字化、大數據等技術在健康領域的應用將更加深入。健康大數據除了具有大數據的5V（Volume、Velocity、Veracity、Value、Variety）特點外，還呈現出持續(xù)性的特征。健康數據需長時間記錄和監(jiān)測才能達到預測及早期治療的目的，在此過程中任何一個環(huán)節(jié)數據的泄露都可能威脅到個人隱私安全，隱私保護亟待重視。本研究基于知識圖譜對CNKI相關文獻進行定量分析，梳理健康大數據背景下隱私保護的研究現狀、熱點及趨勢等，以期為今后的健康隱私保護及相關法律法規(guī)的制定提供參考。

1 數據來源及研究方法

1.1 數據來源

本研究以全球最大的中文數據庫中國知網（CNKI）為檢索來源，檢索時間設定為2013年1月至2020年12月，檢索方式選擇高級檢索，采用“主題”進行精確檢索，檢索策略為（“隱私保護”or“隱私安全”or“隱私風險”or“信息安全”）and（“健康大數據”or“醫(yī)療大數據”or“患者”）初步獲得文獻813篇，通過閱讀題名、摘要及全文逐篇剔除與健康大數據背景不相關的文獻，最終獲得有效文獻401篇，以“Refworks”格式進行導出。

1.2 研究工具

知識圖譜（Knowledge Graph），即知識域可視化，利用可視化圖譜展現知識資源及其載體的動態(tài)發(fā)展規(guī)律，為學科研究提供有價值的參考[2]。

1.3 參數設置

將導出的文檔利用Citespace V（版本號5.7.R5W）自帶的格式轉換工具完成數據格式轉換，轉換后的數據重新導入Citespace V，Time slicing設置為2013年1月-2020年12月，Year per slice設置為“1”，Top N persliec設置為“50”，剪切方式選擇“pathfinder”，節(jié)點類型分別選擇作者、關鍵詞，熱點分析時對相關近義詞進行合并，分別繪制知識圖譜。

2 結果

2.1 時間分析

通過分析時間軸上文獻發(fā)表數量的發(fā)布規(guī)律，可以反映出該領域的研究熱度、規(guī)模及發(fā)展速度。對納入的401篇文獻進行年度數量統(tǒng)計，繪制年度發(fā)文量折線圖（見圖1）。

由圖1可以看出相關研究發(fā)文量總體上呈上升趨勢，大致可以分為兩個階段：第一個階段（2013-2018年）為平穩(wěn)增長期，年發(fā)文量平穩(wěn)增長，2017年最多為49篇;第二階段（2019-2020年）為快速增長期，發(fā)文曲線呈直線上升，2020年達到124篇。

2.2 作者分析

作者合作網絡分析反映了作者之間的合作關系，每個節(jié)點對應一位作者，連線反映合作關系，本研究領域作者合作網絡圖譜見圖2，圖中突顯了發(fā)文量超過2篇的作者，共有856個節(jié)點，1231條連線，Density值為0.0034，說明該領域已被廣泛關注，但相互合作關系松散，研究較為分散，本領域的研究深度尚欠缺。本領域各研究團隊發(fā)文量不多，尚未形成具有較高影響力的核心作者及團隊，但團隊已逐步穩(wěn)定，綜合分析各團隊研究的方向略有不同，見表1。

2.3 關鍵詞分析

2.3.1 關鍵詞共現

關鍵詞最能體現文獻的核心，是對文獻主題的概括和總結，關鍵詞出現的越多，節(jié)點越大，說明該關鍵詞受到的關注越多[3]。將相近、同義的關鍵詞合并后分析得到高頻關鍵詞共現圖譜，見圖3。由圖可見出現頻次≥15的關鍵詞共有15個，共得到節(jié)點數705個，連線1776條，密度Density=0.0072。

關鍵詞的中介中心性也是測度該關鍵詞在分析網絡中重要性的指標之一，反映該關鍵詞在共現圖譜網絡中媒介能力的強弱。一般認為，中介中心性≥0.1的關鍵詞在網絡中較為重要，被稱為關鍵節(jié)點[2]。圖3中高頻關鍵詞的中介中心性分析結果如表2所示。由表中數據可見本領域主要圍繞患者隱私權、隱私保護、患者隱私、電子病歷、健康大數據和互聯網醫(yī)療等關鍵議題展開了多角度的研究與討論，其中“隱私保護”及“患者隱私權”無論是出現頻次還是中介中心度均較高，說明近幾年該領域主要圍繞這兩個主題，在相關技術應用及法律保障等方面進行拓展研究。

2.3.2 關鍵詞聚類

利用LLR算法對關鍵詞進行聚類，形成關鍵詞聚類圖譜，見圖4。由圖中可以看出模塊化Q=0.7558（>0.3）說明聚類是有效的，平均輪廓S=0.9173（>0.5且大于0.7）說明聚類一致性較高，結果合理且可信。一個色塊代表一個聚類，聚類知識圖譜中有多塊聚類重疊，提示聚類與聚類之間聯系緊密，對各聚類研究關鍵詞進行歸納總結，具體分析見表3。

2.3.3 關鍵詞突現

關鍵詞突現是指通過頻次的變化將特定時間段內的高頻關鍵詞突現出來，關鍵詞突現分析可以在一定程度上反映某一時期該領域的研究方向、熱點[2]。本領域的關鍵詞突現如圖5所示，從強度維度看，強度較大分別是患者隱私權、法律保護、電子病歷、健康大數據;從時間維度來看，患者隱私的相關研究熱度持續(xù)時間最長（2013—2016年），醫(yī)患關系、健康大數據、人工智能成為該領域近幾年的研究熱點及趨勢。

2.3.4 時間線分析

以Citespace提供的Timeline View對各個聚類文件的時間跨度進行分析，可得本研究領域的時間線圖，見圖6。由圖可見，整體來說隱私保護、隱私權、隱私保護技術等方面研究的時間延展性、跨度都相對較好。隱私權、隱私保護、信息安全、電子病歷的研究均從2013年開始，但隱私權及電子病歷在2016-2018年研究熱度有所降低，技術應用方面如大數據、區(qū)塊鏈從2014-2020年持續(xù)研究熱度，疫情防控從2020年開始成為研究熱點。

3 討論

3.1 研究現狀

通過文獻的發(fā)文時間分析發(fā)現，2013—2020年發(fā)文量總體呈上升趨勢，發(fā)文高峰在2020年。究其原因，這與大數據技術在健康醫(yī)療領域應用的深入，新冠肺炎疫情暴發(fā)有著密不可分的關系，同時發(fā)現疫情防控中隱私保護問題已成為研究的熱點問題。從作者及合作關系看，雖然關注該領域的作者較多，但發(fā)文量和合作度不高，較為松散，雖已基本形成較為穩(wěn)定的研究團隊但有影響力的核心團隊及作者欠缺?？傮w上說，該研究領域雖發(fā)展速度不斷加快，但研究深度有待加強。

3.2 研究熱點

隱私保護是健康大數據背景下機遇與挑戰(zhàn)共存的一個沖突命題，從聚類知識圖譜中也可以發(fā)現聚類之間的重疊度較高，這表明在研究技術深入應用的同時也在持續(xù)關注隱私問題，這是因為健康大數據的深入應用和發(fā)展是建立在數據開放共享的基礎上，而在此過程中不可避免的就是信息安全及隱私泄露的風險，“沖突”“矛盾”由此產生，歸納總結主要有三個主題：

（1）技術應用與隱私保護。健康大數據背景下會對數據進行全過程監(jiān)測、管理，以保障數據質量。在此過程中各個環(huán)節(jié)都會給隱私帶來風險，比如健康信息監(jiān)測讓人們的隱私無處躲藏、數據的整合挖掘使隱私信息在我們不知情的情況下被N次加工使用等[4]。為此大量學者不斷從技術領域對隱私保護進行研究，如區(qū)塊鏈技術、云數字取證技術、K-匿名、差分隱私等。

（2）個人隱私權與公眾知情權。研究發(fā)現患者隱私權關注度較高，中介中心性最高為0.48。雖然大數據背景下隱私保護的立法已被廣泛關注，但立法滯后于技術應用，相關法律法規(guī)不完善，均會導致職責不清、權責不明、維權困難等一系列問題，這也造成了隱私遭到泄露后，大部分的居民不愿用法律手段保障自己的合法權益[5]。2020年10月，全國人大法工委就《中華人民共和國個人信息保護法（草案）》公開征求意見[6]，該法案一旦正式公布將會為個人信息保護提供更加有力和全面的法律保障。此外，個人隱私權和公眾知情權的平衡與沖突也一直是學者們關注的熱點。從時間上看，前期關注點主要在特殊疾病患者如艾滋病、嚴重精神障礙患者的隱私權和公眾知情權上，近期研究熱點主要集中在新冠肺炎疫情防控過程中，患者隱私權與公眾知情權的沖突與平衡上[7-9]。如何在突發(fā)公共衛(wèi)生事件處理過程中，平衡好應急指揮處理、公眾知情權及患者隱私權的關系是未來一段時間的研究熱點。

（3）用戶行為與隱私保護。大數據時代，各種社交媒體如微博、朋友圈、公眾號等都成為人們分享的平臺。一方面醫(yī)護人員利用這些平臺進行科普、案例分享，另一方面?zhèn)€人也會在一些互聯網平臺分享自己患病過程及心得，這些過程都有可能導致隱私泄露。關鍵詞聚類中“3#隱私”包含的關鍵詞就有“科普微博”，微博科普具有開放性好、粉絲多、傳播較快的特點，但是利弊共存，如何把握好尺度，平衡好醫(yī)學科普與隱私保護的關系是值得思考的問題。健康大數據時代個人的分享亦是如此，正如“被遺忘權”概念提出者英國維克托教授所說，隨著數字技術的應用，記憶與遺忘的模式發(fā)生了顛覆，人們更容易“記住”，而無法“遺忘”[10]?；ヂ摼W平臺上，盡管只是“碎片化”分享，但是會被積累、關聯，也會最終導致隱私的泄露。

3.3 研究趨勢

結合時間線圖及關鍵詞突現可以看出，隱私保護在不同時期，研究的側重點有所不同，研究大致可分為三個階段：法律方面對隱私權問題探討→技術方面對隱私進行保護→全方位隱私保護。

第一階段主要針對法律方面對隱私權探討。從2013年開始隱私權問題就受到了研究學者的廣泛關注，主要探討個人應該具有的相關權利如知情權、隱私權該如何從法律法規(guī)的角度進行隱私保護。

第二階段主要針對技術方面對隱私進行保護。隨著醫(yī)院信息化水平提高，電子病歷、遠程醫(yī)療等環(huán)節(jié)存在的信息安全問題日益凸顯。關鍵詞主要是區(qū)塊鏈、訪問控制、差分隱私、數據平臺、去中心化、數據脫敏、防范機制等，集中討論如何利用技術解決患者信息共享與隱私保護的沖突問題。

第三階段主要探討全方位隱私保護。隨著大數據、人工智能、互聯網醫(yī)療等在健康領域的深入應用，尤其是2020年新冠肺炎疫情的暴發(fā)讓人們越來越認識到個人健康信息亟須全方位保護。未來可穿戴技術、人工智能技術、物聯網技術的應用，將會為健康醫(yī)療信息的獲取、處理提供越來越多的便利，越來越多的信息從線下“走向”線上，隱私信息的廣度和深度都會有所加強，個人隱私權和公共知情權沖突也會越來越嚴重。在這樣背景下，如何平衡好數據獲取、共享、挖掘與隱私保護的關系，從技術、法律、人文等角度為個人提供全方位的隱私保護是學者們未來研究的熱點與趨勢。

4 結論

健康大數據越來越受到學術界的關注，在為醫(yī)療健康領域帶來機遇的同時也帶來了隱私保護問題。本研究以CNKI收錄的2013-2020年相關文獻進行可視化分析，從知識圖譜的視角梳理該領域的研究現狀、熱點及趨勢。研究發(fā)現該研究領域關注度較高，發(fā)展速度逐步加快，但研究深度有待加強。分析發(fā)現該領域研究熱點主要體現在如何從技術手段、法律保障及倫理道德等方面加強隱私保護。研究歷程大致可分為三個階段：法律方面對隱私權問題探討→技術方面對隱私進行保護→全方位隱私保護。

參考文獻：

〔1〕中共十九屆五中全會在京舉行[EB/OL].（2021-02-25）.http：//cpc.people.com.cn/n1/2020/1030 /c64094-31911721.html.

〔2〕陳悅，陳超美，劉則淵，等.CiteSpace知識圖譜的方法論功能[J].科學學研究，2015，33（02）：242-253.

〔3〕陳萱，黃春娟.國外知識可視化研究的現狀與啟示——基于Citespace和Vosviewer的知識圖譜分析[J].大學圖書情報學刊，2015，33（04）：93-99.

〔4〕王強芬.大數據時代背景下醫(yī)療隱私保護的倫理困境及實現途徑[J].中國醫(yī)學倫理學，2016，29（04）：685-689.

〔5〕歐陽婷，楊銀鳳，束建華，等.健康大數據背景下患者隱私保護意識調查及倫理思考[J].巢湖學院學報，2020（06）：91-97.

〔6〕個人信息保護法草案首次亮相[EB/OL].（2021-03-25）.http：//www.npc.gov.cn/npc/c30834/202 010/569490b5b76a49c292e64c416da8c994.shtml.

〔7〕李卓析，趙浩然.新冠肺炎患者隱私權與公眾知情權沖突的社會心理分析與建議[J].黑龍江科學，2020，20（11）：149-150.

〔8〕孫宇輝，徐海坤，楊飔羽.疫情管控下公民隱私權和公眾知情權的界限研究[J].北京政法職業(yè)學院學報，2020，34（02）：28-32.

〔9〕王力康.突發(fā)公共衛(wèi)生事件中患者隱私權保護機制探析[J].河北工程大學學報（社會科學版），2020，37（01）：108-112.

〔10〕維克托·邁爾—舍恩伯格.刪除：大數據取舍之道[M].杭州：浙江人民出版社，2013.118-159.