Kilka polskich przychodni chce wspólnie analizować dane medyczne, ale każda ma powody, by zachować dokumentację u siebie. Wspólna baza nie zawsze jest potrzebna: wybór zależy od oczekiwanego wyniku, ochrony wymienianych informacji i możliwości utrzymania rozwiązania — poniżej porównujemy dostępne drogi.

Dotyczy to zarówno statystyk, jak i uczenia modelu AI (sztucznej inteligencji), czyli dopasowywania jego działania na podstawie przykładów. Pozostawienie zapisów dokumentacji w placówce nie gwarantuje anonimowości tego, co wysyła jej system. Manager musi więc ustalić z osobą odpowiedzialną za ochronę danych i specjalistą technicznym, jakie informacje mogą opuścić placówkę oraz kto zatwierdzi wspólny wynik.

Najpierw ustal, czy potrzebujesz statystyki, czy modelu AI

Jeżeli partnerzy chcą porównać odsetek badań powtarzanych z przyczyn technicznych, mogą zacząć od wspólnie zdefiniowanego zestawienia. Każda pracownia oblicza go u siebie, a do koordynatora trafiają dopuszczone do udostępnienia wyniki. To propozycja prostego sposobu organizacji pracy, nie opis konkretnego wdrożenia. Najpierw trzeba uzgodnić, co oznacza „powtórzenie” i jaki okres obejmuje raport.

Inne zadanie to uczenie programu przewidującego problem na podstawie wielu cech badania. Wtedy potrzebne może być wspólne uczenie modelu, a sama wymiana kilku średnich nie wystarczy. W obu przypadkach należy ocenić możliwość rozpoznania osób w małych grupach; etykieta „statystyka” nie rozstrzyga bezpieczeństwa udostępnienia.

Perspektywa opublikowana 24 września 2026 roku w npj Digital Medicine opisuje współpracę bez centralizacji danych, ale wiąże wybór metody z dostępnymi zasobami i celem analizy. To propozycja kierunków rozwoju, nie dowód gotowości każdej przychodni do wdrożenia. Dla managera wynika z niej użyteczna zasada: poprosić o najprostszy sposób uzyskania potrzebnego wyniku, zanim zamówi rozbudowane środowisko AI. Publikacja Li i współautorów.

Uczenie federacyjne zostawia dokumentację w placówkach, ale wysyła zmiany modelu

Uczenie federacyjne to wspólne uczenie modelu na danych przechowywanych przez uczestników projektu. W typowym wariancie koordynator rozsyła bieżący model, każda placówka uczy go lokalnie, a następnie przesyła wyliczone zmiany. Koordynator łączy je i przekazuje kolejną wersję. Cykl może powtarzać się wielokrotnie. Taką organizację opisuje NIST, amerykański instytut standardów i technologii.

Przesyłane zmiany to liczby opisujące działanie modelu, a nie gotowe karty pacjentów. Nie oznacza to jednak, że są obojętne dla prywatności. W określonych warunkach można z nich odtworzyć informacje o danych użytych podczas uczenia. Ryzyko może dotyczyć także gotowego modelu, nawet gdy sam proces uczenia został zabezpieczony. NIST opisuje oba rodzaje ataków.

Federacja wymaga ponadto uzgodnienia znaczenia danych i sposobu udziału placówek. Różne urządzenia, nieporównywalne oznaczenia badań czy odmienne grupy pacjentów mogą utrudniać wykorzystanie wspólnego modelu. Przegląd z Frontiers in Digital Health z 17 sierpnia 2026 roku wskazuje również koszty komunikacji i integracji z istniejącymi systemami. Lokalizacja danych jest dopiero jednym elementem projektu. Przegląd Ay i współautorów.

Szyfrowanie obliczeń i prywatność różnicowa chronią inne elementy

Bezpieczne obliczenia wielostronne pozwalają uczestnikom obliczyć uzgodniony wynik bez ujawniania sobie nawzajem danych użytych do obliczeń. Dostawca powinien jednak wyjaśnić, czy zabezpieczenie wytrzyma sytuację, w której część uczestników połączy swoje informacje, aby odczytać cudze dane. Skuteczność ochrony może zależeć od tego, ilu uczestników działa wspólnie. Osobna metoda, szyfrowanie homomorficzne, umożliwia wykonywanie działań na zaszyfrowanych wartościach. Trzeba wtedy ustalić, kto posiada klucze i które wyniki może odszyfrować. Obie techniki opisuje perspektywa w npj Digital Medicine.

Prywatność różnicowa ogranicza to, ile wynik może ujawnić o udziale konkretnej osoby w analizowanych danych. Jednym ze sposobów jest dodanie do wyniku celowo dobranej losowej zmiany — na przykład opublikowana liczba przypadków może być większa lub mniejsza od rzeczywistej. Nie wystarczy samodzielnie zaokrąglić tabeli: specjalista musi dobrać metodę i poziom ochrony dla całej analizy. Silniejsza ochrona może zmniejszać dokładność, co szczególnie utrudnia ocenę małych grup. Zestawiając kolejne odpowiedzi, odbiorca może wywnioskować więcej o osobach niż z pojedynczego wyniku. Dlatego specjalista musi ocenić łączne ryzyko zaplanowanej serii raportów. Wytyczne NIST SP 800-226.

Dlatego dostawca powinien wyjaśnić co dokładnie chroni każda proponowana metoda: dane podczas obliczeń, wkład pojedynczej placówki czy informacje możliwe do odczytania z wyniku. Zestaw kilku nazw technologii w ofercie nie odpowiada jeszcze na to pytanie. Manager potrzebuje opisu zagrożenia, warunku skuteczności i kosztu zabezpieczenia w swoim projekcie.

Dane na miejscu nadal wymagają kontroli wyników i aktualizacji

Najtrudniejszy kompromis widać wtedy, gdy koordynator ma otrzymywać wyłącznie wspólny model, ale do jego zbudowania zbiera osobne zmiany od każdej placówki. Dane źródłowe pozostają lokalnie, a informacje o nich mogą ujawniać przesyłane zmiany. Bezpieczne sumowanie zmian, nazywane agregacją, może ukryć wkład poszczególnych uczestników przed koordynatorem. Tę ochronę opisuje NIST w materiale o aktualizacjach modeli.

To nadal nie rozstrzyga, co ujawnia wspólny wynik. Jeżeli system udostępnia wiele szczegółowych odpowiedzi, trzeba ocenić również informacje możliwe do wywnioskowania z ich zestawienia. Przy prywatności różnicowej trzeba więc zaplanować ochronę całej serii analiz. Prośba o bardziej szczegółowy raport wymaga ponownego uzgodnienia ochrony z odpowiedzialnym specjalistą. Nie należy zmieniać ustawień wyłącznie po to, by uzyskać dokładniejszy wynik. To praktyczny wniosek z wytycznych NIST dotyczących kolejnych analiz.

Manager powinien zapytać także o zwykłe utrzymanie. Kto sprawdza program uruchamiany u uczestników? Kto zatwierdza jego nową wersję? Czy zapis przebiegu zadania zawiera tylko identyfikator operacji i wynik kontroli, czy również fragmenty danych? Takie informacje pomocnicze, czyli metadane, też wymagają oceny. Przegląd Frontiers wskazuje, że ochrona musi obejmować konfigurację, integrację i utrzymanie przez cały czas pracy. Wyłączenie centralnej bazy nie usuwa tych obowiązków. Przegląd ograniczeń wdrożeniowych.

Porównaj cztery sposoby współpracy placówek

Poniższa macierz jest propozycją rozmowy przed projektem, nie rankingiem bezpieczeństwa technologii. Wybierz wiersz odpowiadający potrzebnemu wynikowi i sprawdź warunek w ostatniej kolumnie. Brak spełnionego warunku oznacza potrzebę ograniczenia zakresu albo odłożenia projektu.

WariantKiedy go rozważyćWarunek ograniczenia ryzyka
Centralny zbiórWspólna analiza rzeczywiście wymaga pracy na uzgodnionych zapisach dokumentacjiUzasadniony zakres, dopuszczalność udostępnienia i kontrola dostępu do kopii
Obliczenia w placówkachWystarczą wspólne wskaźniki lub uzgodniona analiza statystycznaJednakowe definicje oraz ocena ujawnianych wyników i małych grup
Wspólne uczenie modeluProjekt wymaga modelu korzystającego z doświadczeń wielu ośrodkówOchrona zmian i gotowego modelu, zgodne dane oraz utrzymanie u uczestników
Węższy zakres lub rezygnacjaKoszt ochrony przewyższa korzyść albo brakuje odpowiedzialnej osobyJawna decyzja, czego projekt nie obejmie i co pozwoli wrócić do niego później

Centralny wariant pozostaje realną opcją, jeśli jest dopuszczalny i odpowiada potrzebie. Rozproszenie warto wybrać wtedy, gdy ogranicza nazwane ryzyko, a uczestnicy potrafią obsłużyć jego wymagania. Sposób organizacji obliczeń nie stanowi jednak oceny prawnej ani potwierdzenia anonimowości przekazywanego materiału.

Przed startem uzgodnij wynik, utrzymanie i wycofanie placówki

Pierwszy krok: opisz jeden oczekiwany wynik i informacje potrzebne do jego uzyskania. Manager przekazuje ten opis administratorowi danych, czyli podmiotowi decydującemu o celu i sposobie ich wykorzystania, oraz osobie odpowiedzialnej za technikę. Wspólnie ustalają, kto może zobaczyć wkład placówki, kto otrzyma końcowy wynik i jakie zdarzenie zatrzyma obliczenia. Takie ustalenie, porządkuje rozmowę o kosztach.

Administrator konsultuje się z IOD (inspektorem ochrony danych) i ustala dopuszczalność przetwarzania oraz potrzebę oceny skutków dla ochrony danych. Ta ocena opisuje planowane przetwarzanie, ryzyka dla ludzi i środki ograniczające te ryzyka. UODO (Urząd Ochrony Danych Osobowych) przypomina, że obowiązek jej przeprowadzenia spoczywa na administratorze; nie można przenieść go na inspektora. Urząd wskazuje też, że anonimowość modelu należy oceniać indywidualnie. Wskazówki UODO.

Przed podpisaniem umowy warto doprecyzować koszt obsługi każdej placówki, zasady zapisów przebiegu zadań i wprowadzania nowych wersji. Potrzebny jest też opis wyjścia ze współpracy: jak zatrzymać kolejne obliczenia, odebrać dostęp i rozliczyć już udostępnione wyniki. Wycofania uczestnika nie należy utożsamiać z automatycznym usunięciem jego wpływu z istniejącego modelu. Wymaga to osobnego ustalenia z wykonawcą. Utrzymanie potrzebuje wspólnego harmongramu i wskazanej osoby do kontaktu.

Zacznij projekt, gdy partnerzy potrafią wskazać wynik, zasady ochrony i osobę odpowiedzialną za obsługę. Nie zaczynaj projektu, gdy jedynym zapewnieniem dostawcy jest hasło „dane nigdzie nie wychodzą”. AI może wyliczać propozycje i wspierać analizę, lecz uprawnieni ludzie zatwierdzają udostępnienie wyników oraz dalsze zastosowanie modelu; decyzje kliniczne pozostają przy personelu medycznym.

Źródła