2025年12月26日晚6:00-8:00，由北京大学医学部学科建设办公室主办的基于学科需求的人工智能技术应用系列专题培训（七）“人工智能背景下的医疗数据安全合规实践”通过腾讯会议线上召开。本次培训特邀北京大学信息工程学院、深圳研究生院罗桂波研究员，北京大学公共卫生学院、人工智能研究院侯艳副研究员担任主讲嘉宾，围绕大模型时代医疗数据安全合规实践、医疗数据支持监管决策风险评估与解决方案展开深度分享，吸引了医学领域师生及临床工作者的广泛参与。本次培训作为南北联动的学术交流活动，得到了北京大学深圳研究生院的大力支持。

罗桂波研究员以“大模型时代的医疗数据安全合规实践”为题，结合自身的科研经历及多家医院合作经验，系统剖析了人工智能技术对医疗数据使用方式的变革。他指出，大模型的应用使医疗数据风险从传统的数据泄露升级为模型全生命周期风险，需兼顾法律法规遵循与技术防护的落地执行。

在技术实践层面，罗桂波研究员详细解读了医疗数据安全的三大传统核心手段：权限控制需遵循“最小必要原则”，通过多因子认证、动态权限分配与审计追溯构建访问屏障；数据加密可结合对称密钥算法的高效性与非对称密钥算法的安全性，实现海量医疗数据的存储与传输保护；数据脱敏则需根据应用场景灵活采用静态脱敏、动态脱敏等技术，在保障隐私安全与维持数据可用性之间寻求平衡。针对大模型特有的隐私挑战和医生真实使用场景中的风险，他重点介绍了隐私协同计算技术，通过“数据不出医院、模型协同学习”的创新模式，破解多中心医疗数据AI研发中的数据孤岛难题，实现“数据可用不可见”的合规目标。

侯艳副研究员以“大模型时代医疗数据支持监管决策的风险评估与解决方案”为主题，从生物医药高质量发展的时代背景出发，阐述了医疗数据在创新药械研发、监管决策支持中的核心价值。

她从数据、模型、决策三个维度系统梳理了大模型应用于医疗监管决策的潜在风险：数据层面存在质量不均、标准不一、隐私保护压力等问题；模型层面面临算法偏差、透明度和可解释性不足、过拟合和泛化能力有限等挑战；决策层面则需应对证据链断裂、责任归属不清、监管适应性滞后等难题。对此，她提出构建“技术为基、机制为纲、实践为用”的协同应对体系，包括推进医疗数据标准化与可信治理、强化AI模型的可解释性与透明化、建立多元证据融合与动态更新、完善数据共享生态与监管沟通机制，为医疗数据支持监管决策提供全流程保障。

两位专家的分享既有前沿技术解读，又有实际案例分析，兼顾理论深度与实践指导性，帮助参会者全面把握大模型时代医疗数据安全合规的核心要点与监管决策的关键考量。互动环节中，专家与参会者就多中心数据协同、模型风险防控等实际问题进行了交流。

基于学科需求的人工智能应用技术专题培训，是2025年科技创新年“人工智能与医学发展”学科布局的重要举措，是响应2025年北京大学医学部教代会及工代会提案、服务师生的创新实践，旨在基于学科需求推动AI技术与临床诊疗、医学研究的深度融合，助力“北大医学+AI”创新生态圈构建。

医学部学科建设办公室

2025年12月31日