2017년 의료 빅데이터법이 정비되는 등 의료 데이터를 치료법 및 진단 방법 개발에 도움이 되는 움직임이 가속화되고 있다.그 때의 프라이버시 보호와 정보 ​​유출을 방지하기 위한 안전 대책에 대해서는, 암호화한 채로 데이터에 관한 연산이 가능한 프라이버시 보호 데이터 해석의 연구가 진행되고 있다.그러나 의료 데이터를 암호화하면 분석 대상 데이터인지 여부를 판단할 수 없으며, 대상외 데이터가 통계 처리에 사용된 경우에도 분석이 그대로 이루어져 잘못된 통계치가 출력될 우려도 이다.또, 해석 전에 한번 암호문을 원의 데이터에 복호해, 해석 대상 데이터인 것을 확인하는 경우, 데이터 해석을 실시하는 제삼자에게 데이터의 내용을 개시할 필요가 있어, 프라이버시상의 우려 사항 에도 있습니다.

　그래서 이번 연구팀은 2016년에 개발한 오데이터 혼입 방지 기능을 가지는 준동형 암호화 방식 ‘물론 위험 준동형 암호’의 성능을 실증하는 실험을 실시했다.실증 실험에서는, 실제 질병의 이환 정보와 유전 정보를 해석 대상 데이터로 했다.병원이 질병의 유무에 관한 데이터를 암호화해, 유전 정보를 관리하는 검사 기관에 암호문을 송부, 검사 기관이 유전 정보와의 통계적인 관련성을 계산하는 것을 상정.

　실험 결과, 4,500명 정도의 암호화된 의료 데이터에 대해 1분 미만으로 해석했다.병의 이환 정보와 개인의 유전 정보와의 통계적인 관련성을, 각 개인의 병의 유무나 유전 정보를 알지 않고, 안전성을 확보한 채로 해석할 수 있었다.또, 해석 중에 데이터의 내용을 볼 수 없는 의료 데이터에 대해, 해석 대상외의 데이터가 혼재한 경우에서도 고속으로 검출할 수 있고, 그 해석 결과가 정당한 것을 암호화 이론적으로 증명할 수 있었다.

　향후 '모루루나 위험준동형 암호' 기술로 의료 분야에서 개인의 프라이버시를 보호하고 정보 유출을 방지하면서 의료 빅 데이터를 안전하게 활용할 수 있게 되어 새로운 진단 방법과 치료 법의 개발로 이어질 것으로 기대된다.

참고：【쓰쿠바 대학】 프라이버시를 보호한 채 의료 데이터를 해석하는 암호 방식을 실증 ～내용을 보지 않아도 오데이터 혼입 방지, 의료 빅 데이터의 안전한 활용에～