Cardano 与患者数据的价值

Florian Krüger-Herbert 概述了一种医疗数据市场，在其中患者可以选择共享哪些信息、批准其预期用途，并参与其产生的收益。该讨论出现在 2026 年 10 月 2 日发布的一期 Let’s Talk Cardano 节目中，录制于 Cardano Summit 2025，当时他在 Johnson & Johnson Innovative Medicine 负责 EMEA 的创新与风投孵化。Cardano 通过透明的支付记录、数据完整性以及数字服务的认证进入了这场对话。

患者控制与医疗数据市场

Krüger-Herbert 的经历涵盖医药分销、一家数字健康初创公司、Philips 以及 Johnson & Johnson。他所参与的项目包括电子健康记录、医疗可穿戴设备、远程医疗，以及分析手术影像以支持外科培训的数字手术系统。

隐私问题从一开始就伴随着这些工作。一个早期的用药提醒工具最初作为 Facebook 应用开发，促使用户追问他们的信息会发生什么。团队随后将该服务迁出该平台。后续项目又带来了关于托管位置、访问权限以及国际云服务商的疑问。

智能手表、戒指和健康应用让持续数据采集变得更加普遍。在他的判断中，随着人们意识到自己的信息支撑了超出所获功能之外的商业模式，对控制权的关注正在回归。

访问依然是碎片化的。记录分散在医院、医生、实验室与商业应用之间，而患者难以将其整合。他举例称，将可穿戴设备的信息导出用于个人分析就是一个实际障碍。

这一市场概念将把实验室结果、生物标志物、遗传信息以及可穿戴设备记录纳入一个由患者控制的环境。个人可以授权选定信息用于科学研究、药物开发或 AI 诊断系统，并因该等访问而获得补偿。

研究人员与公司可以请求符合特定条件的数据集，例如性别、地理位置或特定生物标志物。符合条件的人将自行决定是否参与。

这种安排使患者在治疗所需共享之外，对数据的二次使用拥有独立的决策权。Krüger-Herbert 将其与那种整合文档但仍由机构掌控管理权的医院系统加以区分。

付费也引出了同意问题。主持人质疑，金钱激励是否会促使人们披露原本会保密的信息，并在事后为分享而后悔。

Krüger-Herbert 认为，选择权与补偿可以改善那些已向数字服务贡献信息之人的处境。他也承认，此前已分发的数据构成另一类问题。讨论并未解决撤回同意与删除既有副本的问题。

用于支付、记录与智能体身份的 Cardano

Reef Data 提供了一个具体的对照。这个位于 Hamburg 的数据合作社允许个人向公司索取信息，并决定向共享池贡献哪些内容。

根据 Cardano Foundation 的案例研究，其应用会将原始文件转换为更易理解的格式。被选中共享的信息会先在用户设备上进行匿名化处理，然后商业伙伴再与合作社协商访问。

Reef Data 使用 Reeve，即该基金会的开源财务报告平台，在 Cardano 上记录交易与奖励。成员与审计人员可以独立核对资金流。Krüger-Herbert 在考虑类似的医疗模式时，参考了这种更广义的个人数据方法。

医疗场景的落地还需要让收集记录变得简便。在患者做出任何共享决定之前，反复从不同提供方下载与上传文件会造成摩擦。

实验室报告提供了另一种潜在应用。区块链可以支持在文件签发后及其在授权接收者之间流转时，检验其是否发生过变化。该功能关乎记录完整性；实验室质量与临床解读仍由开展这些工作的专业人员负责。

区块链的公开性也要求做出审慎的隐私选择。讨论指出有必要将可验证的记录与必须保密的敏感信息区分开来。

AI 智能体带来了相关的身份问题。随着助理与用户交流并执行自动化任务，人们需要确认某个智能体是否真实代表其所宣称的组织。

Krüger-Herbert 设想了一种医院助理，可在预约前提供信息或引导患者完成行政流程。区块链有望支持对该智能体及其组织隶属关系的认证。

他预计这类基础设施在患者面前将大体上是“隐形”的。医疗服务的选择取决于其有用性、可及性与可靠性，而底层技术用于支撑这些功能。

医疗 AI 与问责

Krüger-Herbert 在 United Arab Emirates 跟进的项目包括生物标志物追踪、长寿研究与肠道微生物组分析。他重点提到了一类将居家取样与实验室处理以及结果的数字化获取相衔接的服务。

某款微生物组平台将居家检测与用于解读结果的 AI 界面结合。根据他在录制时引用的数据，流程简化将服务价格从约 4,000 迪拉姆降至约 2,000 迪拉姆。

另一个供医生使用的界面把约 120 页的报告压缩为约一页半的医学结构化信息。原始文档仍可供查阅。

他将这些工具定位为会诊前的准备。患者可以先行提出问题，而医生在讨论结果前会收到一份摘要。临床评估与治疗决策仍由医生作出。

问责成为这类互动的核心组成。具有说服力的 AI 答复可能看似可靠，却误读信息或依赖有缺陷的来源。仅有科学引用并不足以证明其结论稳妥。

Krüger-Herbert 描述了一种方法：由实验室完成分析并生成报告，而 AI 则依据现有信息与选定指南给出解释。他强调了医生与研究人员的参与、用于对比的数据集，以及系统的开发方式。

参与者还探讨了追溯 AI 输出生成过程的问题。由此进一步引出一个问题 即验证需要在多大程度上深入到训练材料及其背后的研究论文。

监管也是讨论的一部分，话题涉及 European Health Data Space。其法规于 2025 年 3 月发布，为电子健康信息的获取、交换与许可再利用建立了框架，并将分阶段实施。

Krüger-Herbert 将医疗保健描述为一个共享环境，涉及医院、实验室、保险公司、制造商与监管者，各方拥有不同的权限与责任。因此，信任关系远不止于患者与某个单一应用之间。

在峰会的黑客松上，他参与了一个将数据工作流与区块链相连的医疗原型。就实验室报告而言，他提出了一个具体用途 即验证其自离开实验室后“未被操纵、伪造或触碰”。随着其他服务复用该文档，所提议的这一核验将随同文档一并提供。