综述:从隐私到数据擦除:电子健康记录时代的新权利与新兴挑战

《Sci》:From Privacy to Data Erasure: A Review of New Rights and Emerging Challenges in the Era of Electronic Health Records

【字体: 大 中 小 】 时间:2026年07月29日 来源:Sci 4.1

编辑推荐:

  医疗保健系统的数字化已经改变了临床信息的产生、存储和共享方式。虽然电子健康记录(EHRs)提高了护理效率、可及性和连续性,但同时也引入了直接影响患者利益的复杂伦理、法律和网络安全挑战。本叙述性综述考察了与数字健康记录相关的新兴权利,特别是隐私权和被遗忘权,以及

  
医疗保健系统的数字化已经改变了临床信息的产生、存储和共享方式。虽然电子健康记录(EHRs)提高了护理效率、可及性和连续性,但同时也引入了直接影响患者利益的复杂伦理、法律和网络安全挑战。本叙述性综述考察了与数字健康记录相关的新兴权利,特别是隐私权和被遗忘权,以及机密性、网络安全和患者安全方面的威胁。研究人员在PubMed、Web of Science、MEDLINE和Cochrane图书馆进行了全面的文献检索。首先,被遗忘权对于面临财务歧视的肿瘤患者和主张性别认同权利的个人尤其相关,但由于遗传数据对亲属和后代的相关性,不能无条件地扩展到遗传数据。其次,机密性风险因重新识别漏洞、人员未经授权访问以及数字系统的广泛连接而被放大。第三,来自EHRs的二次使用数据,包括人工智能(AI)集成、商业开发和大型语言模型训练,引发了大量的隐私问题。第四,勒索软件、网络钓鱼和数据泄露可能削弱患者信任。在本文中,研究人员在不断发展中的欧洲监管框架内分析了这些问题,强调了个人隐私权与更广泛公共利益之间的紧张关系。研究人员认为,强大的数据保护必须与科学进步相平衡,这需要选择加入(opt-in)同意框架、员工培训和透明的人工智能治理。
1. Introduction
医疗保健系统的逐步数字化深刻改变了临床信息的产生、存储和共享方式。电子健康记录(EHRs)的广泛采用提高了护理效率、可及性和连续性,促进了跨医疗提供者的数据整合,并改善了临床决策。然而,从纸质记录向EHRs的转变引入了新的伦理、法律和组织挑战,直接影响到患者权利的保护。近年来,与个人健康信息管理相关的新患者权利引起了特别关注。根据欧洲法律框架,个人数据保护被认定为一项基本权利,并得到《通用数据保护条例》(GDPR)的进一步加强,该条例为处理敏感数据(包括健康信息)建立了具体保障,并引入了数据访问、更正、删除以及所谓的“被遗忘权”等权利。这些权利的认可反映了对健康数据因其高度敏感性而需要强有力保护的日益认识。被遗忘权最初在欧洲判例法中发展,随后被编入GDPR第17条,在数字健康信息和在线数据流通的背景下日益重要。该权利主要涉及个人数据处理的删除或限制,但在医疗保健中的应用引发了复杂的伦理和法律问题,尤其是需要在个人隐私权与保留医疗文档用于临床、研究和公共卫生目的之间取得平衡。同时,临床文档的数字化引发了对机密性、网络安全和整体医疗交付安全的重大担忧。对互联信息系统的日益依赖使医疗机构面临网络威胁,包括勒索软件攻击、数据泄露和未经授权访问医疗记录。医疗基础设施仍然是网络攻击最主要的目标之一,对数据保护和患者安全都有影响。此外,人工智能(AI)、云基础设施和可互操作数字平台的整合引入了新的治理挑战,需要在国家和国际层面进行协调监管应对。国际组织日益强调需要强有力的治理框架来指导卫生系统的数字化转型。世界卫生组织(WHO)强调,有效的数字健康策略需要确保健康数据管理中的隐私、安全和问责制的治理结构。经济合作与发展组织(OECD)的报告指出,EHR系统的成功实施不仅取决于技术能力,还取决于监管协调、互操作性标准和负责任的数据治理。在这个不断发展的背景下,政策制定者和医疗机构必须调和数字健康技术提供的机会与基本权利和患者安全的保护。应对这些挑战需要一种综合方法,结合法律监管、技术保障和组织措施,以确保健康数据的机密性、完整性和可用性。本叙述性综述旨在探索与EHRs相关的新兴患者权利,特别是隐私权和被遗忘权,同时分析EHR时代与机密性、网络安全和患者安全相关的新挑战,通过审视当前科学文献和不断发展的欧洲监管框架,提供对医疗保健持续数字化转型的伦理、法律和实践影响的更新概述。

2. Materials and Methods
由于所涵盖主题的广泛性和性质,正式的系统综述不可行,因此采用了叙述性综述方法来综合证据。筛选过程于2026年7月完成。文献检索通过查询四个主要电子数据库进行:PubMed、Web of Science、MEDLINE和Cochrane图书馆。检索使用了医学主题词表(MeSH)术语和特定关键词,包括“电子健康记录”、“数据安全”、“数字健康伦理”、“医疗保健网络安全”、“医疗保健机密性”和“健康数据治理”。纳入标准仅限于用英语发表的同行评审文章。为了确保对数字健康法规和技术漏洞历史演变的全面概述,未对检索查询施加正式的时间限制。为了进一步提高完整性,对相关出版物进行了手动的前向和后向引文追踪。选择过程按渐进和标准化的阶段进行,通过筛选标题、摘要,最后全文,基于与研究主题的相关性。资格由所有作者独立评估,分歧通过共识解决。专注于非医疗背景的研究被排除。最初通过电子数据库检索和引文追踪确定了162条记录。在去除重复项并筛选标题和摘要的相关性后,63篇文章符合所有资格标准,最终被选入本综述进行主题分析。

3. Results
3.1. The Right to Be Forgotten
当代社会以信息的持续创建、利用和共享为中心。每个数字交互(即使在医疗环境之外)都可能产生健康相关数据。由此产生的重大挑战是数据不朽:无限的数字存储、泄露风险和广泛信息共享的结合可能导致健康相关数据(所谓的“数字健康足迹”)的扩散,使得擦除个人数据越来越困难,尤其是在数字痕迹和备份文件方面。因此,数据擦除和同意撤回的实际实施在数字系统中仍然特别成问题,因为个人信息可能跨越备份和第三方存储库持续存在。这个问题因即使缺乏直接个人标识符,少数数据点也可用于重新识别个人而加剧。健康数据的持续存在引发了重大的伦理和隐私问题。所谓的被遗忘权(即要求数据控制者擦除健康相关数据的权利)主要由对信息泄露和内容敏感性的担忧驱动。被遗忘权被援引的主要领域涉及肿瘤患者:癌症常通过直接和间接的经济后果导致所谓的“财务毒性”。直接后果包括护理费用,可能导致超过一半的患者出现灾难性卫生支出,以及失业。间接后果包括与肿瘤疾病史相关的财务歧视形式,在获得人寿保险、抵押贷款或延长健康保险覆盖方面遇到困难,通常导致拒绝。另一个常援引被遗忘权的领域是性别认同,即个人自我决定其性别的可能性:这是许多国家承认的权利,可能对应擦除可能揭示生物性别信息的愿望。这个问题极具争议性。擦除与生物性别相关的健康和遗传信息与公共利益和其他实质性私人利益相冲突,因为它将使追踪遗传疾病变得不可能,阻碍在需要时恢复相关信息,限制可能受生物性别影响的疾病研究,可能使禁止同性伴侣结婚或收养的司法管辖区的法律承诺(如婚姻和收养)无效,并可能助长高性能体育中的歧视。在这些情况下,行政性别和临床/生物性别的双记录系统可以调和患者的自决权与提供最佳医疗保健所涉及的竞争利益。总的来说,这些问题凸显了将被遗忘权应用于健康和遗传数据的固有多样性,因为个人隐私需求与依赖健康数据长期保存的更广泛科学、临床和社会利益存在冲突。

3.2. Confidentiality
健康数据的机密性是医学中的基本伦理原则,根植于医生与患者之间的信托关系。然而,虽然健康记录数字化是确保更安全、更快速和更协调护理的优秀方法,通过几乎消除物理数据丢失的风险并最小化与字迹不清、诊断碎片化或数据重复相关的人为错误,但它同时引入了数据隐私的复杂挑战。这些风险在处理高度敏感信息(如性传播感染(STIs)或HIV的诊断)时尤为关键。未经授权披露此类数据可能带来严重的社会心理伤害,包括系统性歧视和患者污名化。此外,数字化引入了各种医疗人员未经授权访问数据的风险。在多学科临床环境中,通常授予医生、护理人员和行政人员广泛访问权限以确保护理连续性。然而,这种广泛访问为未经授权的数据滥用提供了机会。即使技术上限制访问仅限于授权用户,远程连接和数字记录的广泛可访问性可能助长不当访问,无论是出于个人好奇还是恶意意图,如身份盗窃。从信息安全角度看,医疗保健中的内部威胁包括授权用户的有意和无意识行为,包括恶意滥用访问权限和疏忽处理敏感信息。为了最小化这些风险,医疗机构日益依赖访问控制机制,将专业人员的访问限制在其临床或行政职责所需的信息范围内。基于角色的访问控制(RBAC)是最广泛采用的方法之一,根据组织职责分配权限。因此,健康信息的安全性取决于授权医疗人员的专门培训。在此背景下,医生和护士在调节系统访问中发挥核心作用。研究表明,工作人员的担忧主要集中在行政安全性和未经授权访问上;因此,必须通过有针对性的培训和增强员工意识来解决当前的漏洞。此外,即使记录正式匿名化,重新识别风险仍然存在,因为个人通常可以通过数据关联或分析技术被追踪。总的来说,这些因素增加了机密性泄露的可能性,对患者隐私构成风险,并侵蚀了对数字健康管理系统的信任。

3.3. Secondary Use of Health Data
向EHRs的过渡为引入更先进的数字功能铺平了道路,如语音识别、自然语言处理(NLP)和AI。虽然这些工具提高了效率,但可能不如传统报告准确。大型语言模型(LLMs)及其在医疗流程中的整合引入了保密性保护的新挑战。值得注意的是,如果LLMs在真实医疗记录上训练,它们可能记忆独特的临床模式,从而产生敏感健康信息可能被提取的风险。这是因为即使缺乏直接标识符,个人也可以通过模型输出中数据点(如特定日期、诊断和治疗)的组合被识别。此外,隐私保护与科学研究的二次数据使用伦理框架紧密交织。虽然EHRs的主要目的是临床,但它们代表了大范围研究的宝贵资源。EHRs的二次使用定义为出于最初收集目的之外的处理,包括研究、临床决策和卫生系统管理。这种二次使用支持了一种道德上的“容易救助义务”,即患者的健康数据成为研究的共享资源。然而,这种平衡是脆弱的,因为对健康数据超出原始目的可能滥用的担忧可能导致患者撤回合作。健康相关数据的一个特定领域是遗传和基因组信息,其“不朽性”源于其用于研究和正确解释变异意义(主要基于群体数据的过程),因此这些信息不仅与个人相关,而且与其亲属和后代相关。遗传插补也常用于增强全基因组关联研究(GWAS)的效力,特别是通过基于连锁不平衡模式的深度学习方法。最后,来自EHRs的健康数据也可用于商业目的。第三方公司对数据分析和聚合的使用可能允许他们出售健康见解,这种做法通常发生在患者不知情的情况下。此外,制药行业可以从EHRs数据的使用中受益,以加强药物安全监测或支持临床研究。总之,虽然来自数字记录的健康数据的二次使用为医学创新、药物开发和科学研究提供了前所未有的机会,但它同时引入了对患者隐私的重大风险,因此需要以最大的谨慎进行管理。

3.4. Cybersecurity
从物理健康数据向EHRs的转变也使患者的敏感信息面临更高的网络攻击风险。这些威胁促进了数据的潜在滥用或未经授权共享,从而削弱了患者信任。在此背景下,数据泄露构成了对保密性承诺的违反,因此是对维持治疗关系的信任的直接威胁。如果患者认为数字系统不安全,他们可能故意隐瞒敏感或污名化信息,这可能导致临床医生基于不完整病史做出决策,对诊断准确性和治疗质量产生下游后果。因此,医疗保健中的网络安全必须不仅被框定为信息技术(IT)问题,而且应被视为伦理和临床要求,鉴于网络攻击对患者安全有记录可查的影响,例如常规程序中断、临床护理延迟、救护车分流、手术和医疗预约取消以及诊断设备暂时不可用。在关键临床场景中,风险变得尤为明显,例如过敏性休克,立即访问健康数据是安全给药特定药物和预防潜在危及生命的不良反应的前提。相关信息(如已知过敏或既往药物暴露)的缺失或不可用可能损害治疗决策的准确性,并直接转化为患者安全风险的增加。常见的网络攻击向量包括:(i)旨在窃取凭证的网络钓鱼攻击,攻击者利用人为因素欺骗个人交出敏感信息;(ii)利用恶意软件和勒索软件侵入医疗网络并加密敏感患者数据,直接阻碍临床操作,通常导致运营停机和时间重大损失;(iii)针对云漏洞的攻击。勒索软件攻击虽然绝非最频繁的向量,但与严重的操作后果相关。2017年的WannaCry攻击是医疗史上影响最大的网络事件之一,导致英国国家卫生服务系统取消了13,500次预约,并导致受影响医院临床服务广泛中断。几家医院被迫恢复纸质工作流程,工作人员无法访问电子健康记录、诊断系统和实验室服务。数据泄露则代表一个不同但同样重要的威胁类别,主要影响保密性而非运营连续性:2015年Anthem Blue Cross的数据泄露通过网络钓鱼攻击发起,暴露了超过7000万人的健康和个人信息,说明单一人为因素漏洞如何转化为系统性隐私损害。当医疗记录管理外包给第三方提供商时,可能出现额外漏洞,因为这可能减少对信息的直接机构控制,并产生关于问责和数据所有权的法律不确定性。从这个角度看,网络安全对于确保患者安全和个人健康数据保护至关重要。因此,将网络安全整合到临床风险管理中至关重要,因为网络威胁不仅直接影响数据保密性,还影响患者护理的质量和安全性。

4. Discussion
EHRs的形式性质在过去几十年中发生了实质性变化:它们是基本的法律文件,因此不能修改,必须存储,并需要许多条目,包括保险公司要求的信息,这些信息可能与患者护理无关。此外,EHRs连同可穿戴设备和注册数据,是常规收集的真实世界数据的宝贵来源,可用于研究或商业等公共利益。虽然这些技术提供了显著好处,但数据收集和二次使用不可避免地使敏感健康信息暴露于广泛的行为者生态系统,包括研究人员、商业组织和技术公司,其数据治理实践和隐私保护远非统一。从叙述性报告转向编码化和结构化记录显然是AI产品在医疗保健中系统性和普及性引入的先兆。虽然这些技术有潜力成为医疗实践中的宝贵工具,但它们也引入了患者隐私和安全的新风险,因为AI系统需要大量数据进行训练。去标识化仅提供部分保护,尤其是当数据与其他数据集结合时。此外,在历史收集的健康记录上训练的AI系统倾向于继承这些数据集中嵌入的偏见。当敏感患者数据被整合到算法系统中而没有充分关注代表性时,产生的模型可能复制和放大现有不平等。这些问题不仅是公平性和数据质量的理论担忧,也可能转化为具体的临床和法律后果。事实上,向EHRs的过渡与医疗保健中新类型错误的出现以及医疗事故索赔的增加相关。这是因为数字化过程可能结合经典的人为错误和谬误,以及新的、系统性的、可能持久的错误形式(偏见)。例子包括来自非代表性人群的选择偏差、观察期间的数据不连续性、由不同机构和计费实践驱动的医疗系统偏差、错误分类和测量误差,如诊断代码的低敏感性或缺乏验证的药物依从性数据。因此,一方面是数据的不变性,携带盗窃或无法真正擦除的风险;另一方面是错误的持续性。在此背景下,偏见代表一种系统化的错误;与涉及遗漏或执行失败的经典医疗错误范式不同,它是一种系统缺陷。这种缺陷源于极难检测的问题,如算法决策背后的数据集缺乏代表性。偏见的险恶性因AI算法通常不透明而进一步复杂化。AI系统,特别是LLMs,越来越多地被探索用于医疗保健应用,如临床决策支持、医疗文档记录和患者互动。然而,它们在临床环境中的采用引发了与数据隐私、安全性、透明度和监管合规相关的重大担忧。一个核心技术挑战在于AI系统训练所需的数据量与个人权利之间的紧张关系。已经提出了几种隐私保护策略。其中,联邦学习(FL)使模型能够在多个机构之间训练,而无需集中患者数据,从而减少原始临床记录的暴露。然而,FL并未完全消除隐私风险,因为训练期间交换的信息仍可能泄露敏感信息。因此,它通常需要与互补策略(如差分隐私)结合,后者在训练过程中引入校准的统计噪声,以降低患者重新识别和敏感数据记忆的风险。合成数据生成,即产生反映真实患者记录统计特征的数据,已成为另一种替代方案。然而,其临床适用性仍受限于缺乏标准化性能评估框架以及关于当前合成数据方法在实践中是否可靠确保隐私保护的未解决问题。可解释性和可解释性是这方面的进一步保护层。尽管这两个术语经常互换使用,但可解释性通常被理解为人类观察者可以理解模型内部运作的程度,而可解释性指的是为特定问题提供可理解的理由。这些属性使AI驱动的决策更加可观察和可质疑,尤其是在知情同意和责任方面。然而,仅有可解释性似乎不足以保证安全,而应被视为更广泛保障框架中的一个组成部分。除了这些技术考虑,医疗保健中的AI治理已成为一个核心监管问题。欧盟人工智能法案(法规(EU) 2024/1689)将临床环境中使用的AI系统分类为高风险,在部署前强制要求人类监督。重要的是,AI法案并未取代而是与GDPR协同运作,GDPR仍然是处理个人健康数据的基本工具;它们共同建立了一个分层的监管框架,其在临床环境中的实际实施仍处于早期阶段。总的来说,这些考虑表明,AI在医疗保健中的部署需要一种综合方法,结合隐私保护机器学习技术和监管监督,具体针对算法临床决策的风险进行校准。所呈现的信息表明,健康记录数字化旨在提高报告和沟通的效率,但也服务于研究和经济/商业目的,因为由结构化和规范化条目组成的EHRs是二次数据分析的宝贵来源。主要伦理-法律挑战及相关保障和研究需求的概要已提供。这一考虑对充分和及时监管的需求具有明确含义。尽管世界高度互联,数据经常跨越地理和文化障碍共享,但国家法律框架截然不同,反映了不同的文化视角。例如,欧盟GDPR通常被认为比其他法规提供更广泛的保护,而美国联邦法律则基本上针对特定行业。在美国,隐私是自由的一个方面,而在欧洲,隐私被视为人类尊严的一个方面。在美国,被遗忘权基本上未受监管,而在欧洲,GDPR第17条赋予个人要求控制者删除个人数据的权利,除非存在更大的公共利益。如本综述所示,这一原则在肿瘤病例中尤其相关。事实上,在欧盟,有九个国家的法律允许前肿瘤患者不向私人实体披露肿瘤病史,而五个国家为这些患者提供了获得保险的便利。癌症相关数据的时间有限保留和高敏感信息的掩蔽旨在应对财务毒性和保险相关歧视,同时保留护理连续性所需的最低文档记录。然而,如所讨论,这一权利不能扩展到遗传信息,因为这些数据可能构成数据控制者之外许多人的基础知识。从这个意义上说,有趣的是,一些作者区分了删除权(即要求删除非法收集和使用的数据)与被遗忘权,后者被理解为数据与信息主体之间的不可逆分离。要求擦除没有相关公共利益、可能严重干扰隐私或其他相关权利的健康信息似乎遵循《公民权利和政治权利国际公约》第17条的原则。然而,如本综述所示,健康数据很容易被重新识别,当对公共利益(如科学研究)重要时,应永久与数据控制者身份分离,但仍可出于合法目的访问。此外,当数据控制者身份对于保护数据的公共价值(如可显著促进亲属或后代健康的遗传信息)至关重要时,不应授予被遗忘权。目前,绝对隐私保护与科学进步和经济利益不完全兼容,因为唯一能强烈控制重新识别风险的激进方法会导致数据损坏,进而产生不准确的模型。围绕个人数据的经济利益显然使健康信息面临未经授权访问和数据泄露的风险。缓解这些风险已成为医疗机构的重要成本中心,需要对员工培训和技术控制进行持续投资,从而对医疗行业全面数字化起到威慑作用。然而,如本综述所强调,临床关系中的传统挑战仍然存在,最突出的是数据机密性问题。敏感信息向第三方披露可能导致歧视现象,这目前是公共利益的主要关注点。为了应对这些公众关注,患者必须了解其权利并做出知情决定。两种主要策略允许患者保留对其数据的控制权:选择加入(opt-in)和选择退出(opt-out)的同意程序。在选择加入方法中,个人必须在其健康数据用于二次目的之前提供明确同意。相反,在选择退出方法中,除非个人主动拒绝参与,否则默认包含在内。文献表明,与选择加入程序相比,选择退出程序通常更有效地确保健康数据二次使用中的更高数据可用性;然而,从伦理和法律角度来看,选择加入同意被描述为首选标准,因为被动同意可能削弱患者自主性。因此,选择合适的同意模型需要在全面数据需求与维护患者自主权和知情决策的伦理要求之间取得平衡。最终,医疗保健的数字化转型迫使重新定义隐私、自主性和公共利益之间的界限。确保其伦理可持续性需要强有力的监管和持续批判性评估健康数据如何被创建、共享和使用。同时,某些健康信息的影响超出个人,影响到亲属和后代。在这种情况下,对数据的严格个人控制应与保护社区健康的更广泛义务相协调。

5. Conclusions
目前,每个数字交互都会产生健康相关信息,这些信息一旦共享就很难完全控制,并可能跨越政治和地理边界流通。虽然应在国际上推广数据保护的一般原则,但不能对每个国家强加统一规则,因为隐私在不同法律和文化背景下有不同的理解。在此背景下,知情同意仍然是加强患者角色和限制医疗机构及专业人员医疗法律风险的关键工具。在告知过程中,患者不仅应被告知每个诊断-治疗选项的风险和益处以及其数据的处理方法,还应被告知与AI相关的特定风险,包括可能难以检测的系统化错误或偏见,这些偏见可能造成超越传统临床风险的伤害。同样重要的是,明确患者对其数据实际能行使的控制程度,包括数据擦除的技术限制和数据泄露的剩余风险,医疗机构在法律上有义务减轻这些风险。尽管数字化引入了额外风险,但仍有创新的解决方案可用,例如基于视频的患者信息工具。这些手段可以改善患者参与度,并支持对上述限制的更清晰理解。此外,通过提供告知完整性和有效性的强有力文档,它们可以加强在数字医疗面临保护患者自决权挑战时收集知情同意的程序。最终,目标是根据特定地缘政治现实的法律和伦理原则,将医疗保健数字化战略性地整合到日常工作中,既不厌恶转变,同时牢记AI不会取代人类,但使用AI的人类将取代那些不使用AI的人。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号