隐私保护视角下医疗数据共享意愿研究

韩普 顾 亮 张嘉明

摘 要：[目的/意義]推进医疗数据共享是“互联网+医疗健康”的关键环节，在隐私保护视角下，构建三方演化博弈模型以分析不同主体的决策行为，探究各方利益相关者的共享意愿。[方法/过程]首先构建了患者、医疗服务机构和政府的三方演化博弈模型，接着分析参与主体在模型中的演化稳定策略，最后探究三方参与主体对医疗数据共享的参与意愿。[结果/结论]基于模型策略均衡和仿真模拟发现，患者参与是推进医疗数据共享的关键因素;政府处罚金额与奖励补贴是影响医疗服务机构策略选择的重要因素，合理的奖惩金额可有效提升患者和医疗服务机构的参与意愿。通过分析投入、收益和成本等因素对隐私保护和医疗数据共享意愿的影响，可提升医疗数据隐私保护水平，推动国内医疗数据共享进程。

关键词：隐私保护;医疗数据共享;患者;医疗服务机构;政府;演化博弈

DOI：10.3969/j.issn.1008-0821.2021.03.015

〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1008-0821（2021）03-0148-11

Research on Willingness to Share Medical Data from

Perspective of Privacy Protection

——Based on Tripartite Evolutionary Game Analysis

Han Pu1，2 Gu Liang1 Zhang Jiaming1

（1.School of Management，Nanjing University of Posts & Telecommunications，Nanjing 210003，China;

2.Jiangsu Provincial Key Laboratory of Data Engineering and Knowledge Service，Nanjing 210023，China）

Abstract：[Purpose/Significance]Promoting medical data sharing is a key link of“Internet+medical health”.From the perspective of privacy protection，a tripartite evolutionary game model is constructed to analyze the decision-making behavior of different subjects and explore the sharing willingness of all stakeholders.[Method/Process]First，a tripartite evolutionary game model of patients，medical service institutions and the government was constructed，then the evolutionary stability strategy of the participants in the model was analyzed，and finally the willingness of the tripartite participants to participate in the sharing of medical data was explored.[Result/Conclusion]According to the strategy balance and simulation based on the model，patient participation was a key factor to promote the sharing of medical data.Moreover，the amount of government penalties and rewards and subsidies were important factors that affect the strategic choices of medical service institutions.A reasonable amount of rewards and punishments can effectively increase the willingness of patients and medical service institutions to participate.By analyzing the influence of input，income，cost and other factors on privacy protection and medical data sharing willingness，the level of medical data privacy protection can be improved and the process of domestic medical data sharing can be promoted.

Key words：privacy protection;medical data sharing;patients;medical service institutions;government;evolutionary game

随着物联网和大数据技术的快速发展，各类医疗数据规模呈现出爆发式增长，除了传统的临床医疗数据外，也出现了由智能医疗设备和医疗信息系统生产的各种医疗检查记录。医疗大数据蕴含着非常宝贵的医疗健康信息，近年来成为了各界关注的重点。2018年9月，国家卫健委发布的《关于印发国家健康医疗大数据标准、安全和服务管理办法（试行）的通知》，首次从官方角度给出了医疗数据的定义，即在人们疾病防治、健康管理等过程中产生的与健康医疗相关的数据[1]。该通知还多次提到要建立个人隐私保护制度，确保在实现公民隐私保护的前提下推动医疗数据共享和交换。医疗数据共享是推进“互联网+医疗健康”的关键环节，也是智慧医疗发展的必然要求。因此，打通医疗数据壁垒，实现医疗数据资源共享是一项迫在眉睫的任务[2]。从已有研究来看，国内对医疗数据的开发主要还停留在数据获取层面[3]。数据整合困难、可用性低、共享程度低、共享平台分散、管理责任模糊等是当前国内医疗数据共享面临的主要问题[4-6]。

从医疗隐私角度，患者知情同意与隐私保护既相互影响又互相矛盾，医疗数据共享需进一步完善知情同意和规范医疗数据共享机制，在兼顾个体权益的同时，还要确保数据共享的持续发展[7]。目前，国内医疗隐私泄漏现象非常普遍，主要表现在侵权主体更广泛、手段更隐秘以及监管制度的缺失[8]，由此造成的隐私忧虑悖论现象更是非常普遍[9]，具体表现在患者对隐私泄露和数据共享收益之间十分矛盾。朱侯等[10]研究发现，当用户感知到较高收益或较低风险时，用户倾向于共享数据信息，因此隐私保护是用户主动参与医疗数据共享的重要影响因素。

目前，如何安全地实现医疗数据共享已成为学界重点关注的研究方向。针对移动医疗系统中的访问控制问题，罗恩韬等[11]提出利用属性加密对签名代理进行授权来提高数据的安全性。为了安全高效地实现医疗云中数据共享，黄娜娜等[12]将医疗数据划分为个人区域和公共区域，采用不同加密方式和访问权限控制来确保数据共享安全。类似地，王辉等[13]和卫荣等[14]利用区块链和云存储技术来实现医疗数据的共享安全。

通过上述分析可知，隐私保护是实现医疗信息共享的重要影响因素，但目前学者们主要关注隐私数据安全共享的技术问题，鲜有学者研究医疗数据共享中相关方的意愿倾向。因此，在考虑隐私保护前提下，深入分析医疗数据共享中收益和成本如何影响参与者选择决策是十分有必要的。演化博弈论是将博弈理论分析和动态演化分析相结合的理论，是处理多方利益下多元意见策略选择问题的理论[15]，通过演化稳定策略（ESS）和复制动态（RD）可探究群体演化动态过程和各主体意愿倾向。与传统博弈论不同，演化博弈论将博弈者视为有限理性人，追求动态平衡，可有效处理博弈中多策略选择问题。Akkaoui R等[16]用演化博弈论模型研究医疗数据共享中不同个体分享数据时的信任度问题，并对信任演变进行了数值分析;卢新元等[17]构建了患者与医生之间的博弈模型，并基于均衡策略为在线健康社区的运营管理提出建议。此外，在医疗服务方面，Lightfoot J M[18]運用博弈论分析了医疗市场上冗余服务、重复设施、竞争激烈的问题;通过构建患者与医疗服务机构的博弈模型，Ho T Y等[19]分析了患者医疗费用的分担政策问题;郭小聪等[20]从演化博弈论角度研究了消费者赋权与合作治理对医疗费用控制的作用。在医疗场景选择方面，Gao Y等[21]构建了跨区域医院与患者选择策略的博弈模型，分析了患者、医院和政府的三方演化路径、均衡状态和影响因素;翟运开等[22]针对远程医疗场景构建三方博弈模型，根据混合策略均衡解为远程医疗发展提出了针对性的建议。在医疗决策方面，Li M等[23]用演化博弈论帮助医疗机构在共享数据方面进行优化决策;Yao J T等[24]基于博弈论模型验证了医疗决策的不确定性，并发现博弈粗糙集能提高医疗决策质量。在用户数据安全方面，Shokri R等[25]应用基于位置优化的博弈模型来保护用户信息;Zhu F W等[26]提出扩展博弈论模型来解决隐私泄露问题。除此之外，李君妍等[27]利用演化博弈论分析了药品回收中的多方收益，提出了政府参与的重要性。总的来说，演化博弈论可应用于两方、三方或多方的行为策略选择。在医疗数据共享博弈中，患者、医疗服务机构等群体数量庞大，因此演化博弈论中大群体假设可适用于此博弈情境，通过演化博弈策略均衡和仿真模拟可得出具有针对性的策略建议。

基于此，本文从隐私保护视角，针对医疗数据共享意愿问题，运用演化博弈理论，构建患者、医疗服务机构和政府的三方博弈模型，深入分析投入、收益、成本等因素对隐私保护和医疗数据共享意愿的影响，为推动医疗大数据共享提出有针对性的建议。

1 利益相关者分析与基本条件假设

1.1 利益相关者分析

在医疗数据共享应用场景下，患者是医疗数据的提供方，医疗服务机构为医疗数据提供相关应用，政府则为该过程提供引导。三博弈主体间关系如图1所示。

此场景下的三方演化博弈中，患者在医疗数据共享中提供自身医疗健康数据并期待医疗服务感知价值的提高，如提升就诊和信息咨询的效率、提高患者信息同步的服务能力等[28]。与此同时，患者也承担着隐私泄露的风险，由于医疗信息对个人来说是高价值信息[29]，这一信息泄漏将会对患者造成较大损失。医疗服务机构通过医疗数据共享以实现数据的更高价值，如提高诊断精度以及优化服务模式等。政府机构在医疗数据共享中扮演着引导者角色，主要目标是推动医疗数据资源共享健康有序发展。对于政府部门来说，推进医疗数据共享必然将承担隐私泄露风险，受限于当前阶段的隐私保护技术和隐私保护投入等原因，在不够充分成熟条件下推进医疗数据共享可能会带来较大风险，政府部门可能没有足够动力推动医疗数据共享。

1.2 基本条件假设

本文假设该演化博弈模型中“参与医疗数据共享”和“不参与医疗数据共享”是患者的可选策略;“积极保护医疗隐私信息”和“消极保护医疗隐私信息”是医疗服务机构的可选策略;“推进医疗数据共享”和“不推进医疗数据共享”则是政府的可选策略。当选择推进医疗数据共享时，政府的推进意愿会为患者参与带来信任增益，政府选择使用公信力作为担保，鼓励患者参与医疗数据共享。对于医疗服务机构而言，政府推进医疗数据共享往往会通过奖励或者处罚等措施，进而引导医疗服务机构提供高水平的医疗隐私信息保护行为。无论是以公信力鼓励患者参与或者是以奖惩引导医疗服务机构，从成本与收益角度，政府都需要衡量自身策略选择的详细收支情况，选择最有益于自身的策略。

1.3 参数定义

基于上述假设，表1给出了三方演化博弈模型需要的参数及其含义。

1.5 收益矩阵

当患者选择“参与医疗数据共享”，医疗服务机构选择“积极保护医疗隐私信息”，政府选择“推进医疗数据共享”策略时，患者收益为参与医疗数据共享而获得医疗服务质量的提升（B1）和因政府推进医疗数据共享所带来的信任收益（R1）。医疗服务机构收益为基于医疗共享数据而获取的利益（B2）和政府给予的补贴（R2），此时，医疗服务机构需要付出与高标准隐私保护相对应的建设成本（C1），承担着隐私泄露风险（a*L2）和发生隐私泄露时来自政府的处罚金额（a*P）。政府收益为推进医疗信息共享而产生的正面影响（B3）和发生隐私泄露时从医疗服务机构收缴的罚款（a*P）。此外，政府还承担着发生隐私泄露所造成的信任损失（a*L4）以及推进医疗数据共享所需的成本（G）。同理可求出其他博弈策略组合中三博弈主体的收益公式，具体如表2所示。

2 医疗数据共享意愿中三方演化模型的构建

2.1 患者的复制动态方程

定义患者选择“参与医疗数据共享”策略的期望收益为P1，选择“不参与医疗数据共享”策略的期望收益为P2，平均期望收益为，公式为：

患者群体的复制动态相位图[30]如图2所示。患者博弈策略選择受到医疗服务机构选择积极保护医疗隐私信息的比例和政府选择推进医疗数据共享的比例影响，当医疗服务机构选择积极保护医疗隐私信息的比例y>-z*R1-B1+b*L1L1*（b-a），即患者参与医疗数据共享而获得医疗服务质量提升与从政府处获得信任收益之和高于最坏情况下承受的隐私泄露风险，患者倾向于选择参与医疗数据共享（x→1），此时患者承担较小的风险但享有较大的利益。相反，当医疗服务机构选择积极保护医疗隐私信息的比例y<-z*R1-B1+b*L1L1*（b-a）时，患者在该条件下承担的风险高于收益，倾向于选择不参与医疗数据共享（x→0）。

2.2 医疗服务机构的复制动态方程

定义医疗服务机构选择“积极保护医疗隐私信息”策略的期望收益为H1，选择“消极保护医疗隐私信息”策略的期望收益为H2，平均期望收益为，公式为：

医疗服务机构的复制动态相位图如图3所示。当患者选择参与医疗信息共享的比例x>C1+C2-zR22B2-L2-zP，医疗服务机构倾向于选择积极保护医疗隐私信息（y→1）。相反，当患者选择参与医疗信息共享的比例x

2.3 政府的复制动态方程

定义政府选择“推进医疗数据共享”策略的期望收益为G1，选择“不推进医疗数据共享”策略的期望收益为G2，平均期望收益为，公式为：

政府的复制动态相位图如图4所示。当患者选择参与医疗信息共享的比例：

此时政府因推进医疗信息共享而获得的社会收益高于其投入成本，政府倾向于推进医疗信息共享（z→1）。相反，当患者选择参与医疗信息共享的比例：

政府倾向于选择不推进医疗信息共享（z→0）。

3 演化稳定策略分析

3.1 患者与医疗服务机构

假设政府选择推进医疗信息共享策略的比例为常数，由上述演化博弈复制动态方程的求解过程，可以得到患者与医疗服务机构双方演化博弈的局部均衡点包括（0，0）、（0，1）、（1，0）、（1，1）。根据式（4）和式（9），可得出关于患者和医疗服务机构的雅克比矩阵。

对于局部均衡点，若满足Det（J1）>0（Det为矩阵行列式）且Tr（J1）<0（Tr为矩阵主对角线之和），可判断该点为演化稳定点，其对应的两方博弈策略为演化稳定策略[31]。表3为各局部均衡点代入Det（J1）和Tr（J1）后的结果。

对于演化稳定点（0，0），患者选择参与医疗数据共享将会承担较大的隐私泄露风险，政府公信力并不能打消患者对隐私泄漏的顾虑，政府补贴也远比医疗服务机构的建设成本低，对医疗服务机构的策略选择影响小。在上述条件下，患者选择不参与医疗信息共享，医疗服务机构会选择消极保护医疗隐私信息。对于演化稳定点（1，0），患者参与医疗

数据共享仅需承担较少的隐私泄露风险便可以享有较大的医疗服务质量提升，医疗服务机构此时投入的成本高于收益。在该条件下，患者会选择参与医疗信息共享，医疗服务机构会选择消极保护医疗隐私信息。类似地，在zR1+B1-aL1<0和2B2-L2-（C1+C2）-zP+zR2<0条件下，患者倾向于选择不参与医疗信息共享，医疗服务机构倾向于选择积极保护医疗隐私信息。在zR1+B1-aL1>0和2B2-L2-（C1+C2）-zP+zR2>0条件下，患者倾向于选择参与医疗信息共享，医疗服务机构倾向于选择积极保护医疗隐私信息。

3.2 患者与政府

假设选择积极保护医疗隐私信息策略的医疗服务机构比例为常数，由上述演化博弈复制动态方程的求解过程可知，患者与政府双方演化博弈的局部均衡点包括（0，0）、（0，1）、（1，0）、（1，1）。根据式（4）和式（14），可得出患者和政府的雅克比矩阵。

对于演化稳定点（0，0），患者承受的隐私泄露风险高于其可享有医疗服务质量的提升程度，政府为推进医疗信息共享投入了成本但缺少收益来源，在该条件下，患者会选择不参与医疗信息共享，政府会选择不推进医疗数据共享。对于演化稳定点（1，0），此时参与医疗数据共享对患者是有利的，政府推进医疗数据发展的成本和隐私泄漏风险大于其社会收益和从医疗服务机构中收缴的罚金，在该条件下，患者会选择参与医疗信息共享，政府会选择不推进医疗数据共享。类似地，在y（b-a）L1+R1+B1-bL1>0和y（（b-a）（L4-P）+2B3+2L3）+bP-2L3-bL4-G>0条件下，患者倾向于选择参与医疗信息共享，政府倾向于选择推进医疗数据共享，双方趋向于演化稳定点（1，1）。

3.3 医疗服务机构和政府

假设患者选择参与医疗数据共享策略的比例为常数。由上述演化博弈复制动态方程的求解和分析过程可知，医疗服务机构与政府双方演化博弈的局部均衡点包括（0，0）、（0，1）、（1，0）、（1，1）。根据式（9）和式（14），可得到医疗服务机构和政府的雅克比矩阵。

对于演化稳定点（0，0），医疗服务机构从医疗数据共享中获得的收益不足以覆盖其承受的风险和支出之和，政府为推进医疗信息共享支出的成本高于从违规医疗机构中收缴的罚款金额，在上述条件下，医疗服务机构会选择消极保护医疗隐私信息，政府会选择不推进医疗数据共享。类似地，在y（b-a）L1+B1-bL1>0和x（（b-a）（L4-P）+2B3+2L3）+x（bP-2L3-2L3）-G<0条件下，医疗服务机构倾向于选择积极保护医疗隐私信息，政府倾向于选择不推进医疗数据共享。在2xB2-xL2-（C1+C2）-xP+R2<0和x（bP-2L3-bL4）-G>0条件下，医疗服务机构倾向于选择消极保护医疗隐私信息，政府倾向于选择推进医疗数据共享。在2xB2-xL2-（C1+C2）-xP+R2>0和x（（b-a）（L4-P）+2B3+2L3）+x（bP-2L3-bL4）-G>0條件下，医疗服务机构倾向于选择积极保护医疗隐私信息，政府倾向于选择推进医疗数据共享。

4 演化博弈仿真分析

为了验证上述模型构建的正确性，本节采用MATLAB对该三方演化博弈模型进行仿真模拟。预设患者选择参与医疗数据共享（x→1）和患者不选择参与医疗数据共享（x→0）两种情况，分别对医疗服务机构和政府的博弈策略选择进行数值仿真模拟。

4.1 患者选择参与医疗数据共享下的仿真分析

假定患者选择参与医疗数据共享（x→1），根据医疗服务机构和政府之间的演化稳定策略分析，表6给出了预先设置各组参数的初始值。

1）演化均衡点为y=0，z=0

取x=1、B2=10、B3=10、L2=5、L3=5、L4=10、C1=20、C2=10、a=0.4、b=0.6、P=30、G=12、R2=10，此时满足条件2xB2-xL2-（C1+C2）<0和x（bP-2L3-bL4）-G<0。按照上述分析，（0，0）是模型此时的演化均衡点，（“消极保护医疗隐私信息”“不推进医疗数据发展”）是此时的演化稳定策略，结果如图5所示。

2）演化均衡点为y=1，z=0

取x=1、B2=20、B3=10、L2=5、L3=5、L4=10、C1=20、C2=10、a=0.4、b=0.6、P=30、G=30、R2=10，此时满足条件2xB2-xL2-（C1+C2）>0和x（（b-a）（L4-P）+2B3+2L3）+x（bP-2L3-bL4）-G<0。按照上述分析，（1，0）是模型此时的演化均衡点，（“积极保护医疗隐私信息”“不推进医疗数据发展”）是此时的演化稳定策略，结果如图6所示。

3）演化均衡点为y=0，z=1

取x=1、B2=10、B3=10、L2=5、L3=2、L4=2、C1=20、C2=10、a=0.4、b=0.6、P=30、G=12、R2=10，此时满足条件2xB2-xL2-（C1+C2）-xP+R2<0和x（bP-2L3-bL4）-G>0。按照上述分析，（0，1）是模型此时的演化均衡点，（“消极保护医疗隐私信息”“推进医疗数据发展”）是此时的演化稳定策略，结果如图7所示。

4）演化均衡点为y=1，z=1

取x=1、B2=10、B3=10、L2=5、L3=2、L4=2、C1=8、C2=4、a=0.4、b=0.6、P=5、G=10、R2=9，此时满足条件2xB2-xL2-（C1+C2）-xP+R2>0和x（（b-a）（L4-P）+2B3+2L3）+x（bP-2L3-bL4）-G>0。按照上述分析，（1，1）是模型此时的演化均衡点，（“积极保护医疗隐私信息”“推进医疗数据发展”）是此时的演化稳定策略，结果如图8所示。

总体而言，政府和医疗服务机构依据自身利益最大化进行策略选择。其中，政府的处罚金额和奖励补贴是影响医疗服务机构行为决策的重要因素，

当政府的补贴较高、处罚金额适宜时，医疗服务机构倾向于选择积极保护医疗隐私信息，如图6和图8所示。此外，对政府而言，当推进医疗数据发展获得较高社会效益时，政府积极推进医疗数据共享，如图7所示，反之则不推进，如图5所示。在三方博弈过程中，政府采用奖惩等方法激励医疗服务机构保护隐私信息，三方主体均获得理想收益，如图8所示。随着患者和医疗服务机构的数据共享和隐私保护意识提高，患者主动参与医疗数据共享，而政府和医疗服务机构逐渐减少对医疗数据共享的投入，最终演变为（参与，消极保护，不推进），如图5所示，此时为医疗数据共享中最理想情况。

4.2 患者选择不参与医疗数据共享下的仿真分析

假定患者选择不参与医疗数据共享（x→0），根据医疗服务机构和政府间的演化稳定策略分析，表7给出了预先设置各组参数的初始值。对于3.3小节中编号10、11、12的3种情况，在x=0的情况下无法满足达到稳定状态的条件。

取x=0、B2=10、B3=10、L2=5、L3=5、L4=10、C1=20、C2=10、a=0.4、b=0.6、P=30、G=12、R2=10，此时满足条件2xB2-xL2-（C1+C2）<0和x（bP-2L3-bL4）-G<0。按照上述分析，（0，0）是模型此时的演化均衡点，（“消极保护医疗隐私信息”“不推进医疗数据发展”）是此时的演化稳定策略，结果如图9所示。由图可知，当患者拒绝参与医疗数据共享时，政府和医疗服务机构最终只能放弃推进医疗数据共享，与4.1节中患者参与情况形成鲜明对比，由此可得患者参与是医疗数据是否成功共享的关键因素。

5 结论与建议

本文基于隐私保护视角和演化博弈理论，针对各方参与主体在医疗数据共享中的意愿问题，构建了包含患者、医疗服务机构和政府的三方博弈模型，并对演化博弈模型进行了分析和数值仿真模拟。研究发现，患者参与是医疗数据共享中至关重要的一环，一旦患者拒绝参与医疗数据共享，医疗服务机构和政府会失去推进医疗数据共享动力;对医疗服务机构而言，政府处罚金额和补贴金额是影响其策略选择的重要因素，合理的惩罚金额和补贴金额将促使其更为积极地保护医疗数据隐私。

本研究进一步丰富了隐私保护在医疗数据共享中的研究，探究了各方参与主体在医疗数据共享中的意愿倾向，研究结果可为推进医疗数据共享提供针对性建议。在推进医疗数据共享行动时，首先需要规范化的行为细则和条例化的规章制度以提防和避免隐私泄漏的发生，提高患者对医疗数据共享的信心，为医疗数据共享奠定基础;其次，政府需要合理划定惩罚金额，过高的惩罚金额将会阻碍医疗服务机构对参与医疗数据共享的尝试，而过低的惩罚金额无法发挥政府应有的指导作用。尽管如此，本研究还存在一定的不足，尚未考虑社会影响、分享制度和平台保障等因素的影响。后续将尝试加入上述因素对医疗数据共享的影响分析，并搜集真实数据进行验证，从而做出更全面客观的分析。

参考文献

[1]关于印发国家健康医疗大数据标准、安全和服务管理办法（试行）的通知[S].中华人民共和国国家卫生健康委员会公报，2018，（7）：7-11.

[2]郭瑛.大数据背景下推进青海医疗档案信息共享服务对策探析[J].青海社会科学，2015，（6）：200-204.

[3]舒婷，徐帆，李红霞.国内外电子病历数据开放现状分析与建议[J].中华医院管理杂志，2019，（12）：1013-1016.

[4]马灿.国内外医疗大数据资源共享比较研究[J].情报资料工作，2016，（3）：63-67.

[5]李赞梅，钱庆，李姣，等.健康医疗科学数据共享标准体系框架构建[J].医学信息学杂志，2018，39（11）：49-53.

[6]马诗诗，于广军，崔文彬.区域医疗大数据共享开放现状及实践探索[J].中华医院管理杂志，2018，34（7）：564-566.

[7]关健.医学科学数据共享与使用的伦理要求和管理规范（三）知情同意履行挑战与原则策略[J].中国医学伦理学，2020，33（5）：530-535.

[8]汪艳杰，霍增辉.医疗大数据时代的患者隐私权保护研究[J].中国卫生法制，2018，26（2）：50-55，78.

[9]Hallam C，Zanella G.Online Self-Disclosure：The Privacy Paradox Explained as a Temporally Discounted Balance Between Concerns and Rewards[J].Computers in Human Behavior，2017，68：217-227.

[10]朱侯，王可，严芷君，等.基于隐私计算理论的 SNS 用户隐私悖论现象研究[J].情报杂志，2017，36（2）：134-139.

[11]罗恩韬，段国云，周雷，等.移动医疗中一种匿名代理可追踪隐私保护方案[J].计算机研究与发展，2020，57（5）：1070-1079.

[12]黃娜娜，沈亮，杨元原.医疗云中高效安全的数据共享方案研究[J].计算机工程与应用，2020，56（1）：92-97.

[13]王辉，刘玉祥，曹顺湘，等.融入区块链技术的医疗数据存储机制[J].计算机科学，2020，47（4）：285-291.

[14]卫荣，钱步月，兰欣，等.基于区块链技术的区域医疗数据安全共享问题研究[J].中国卫生信息管理杂志，2020，17（2）：136-140.

[15]Hofbauer J，Sigmund K.Evolutionary Game Dynamics[J].Bulletin of the American Mathematical Society，2003，40.

[16]Akkaoui R，Hei X，Cheng W.An Evolutionary Game-Theoretic Trust Study of a Blockchain-Based Personal Health Data Sharing Framework[C]//2020 Information Communication Technologies Conference（ICTC）.IEEE，2020：277-281.

[17]卢新元，代巧锋，王雪霖，等.考虑医患两类用户的在线健康社区知识共享演化博弈分析[J].情报科学，2020，38（1）：53-61.

[18]Lightfoot J M.A Game-Theoretic Approach to Share the Costs of Cooperating Healthcare Networks[J].Journal of International Technology and Information Management，2019，27（3）：2-22.

[19]Ho T Y，Fishman P A，Zabinsky Z B.Using A Game-theoretic Approach to Design Optimal Health Insurance for Chronic Disease[J].IISE Transactions on Healthcare Systems Engineering，2019，9（1）：26-40.

[20]郭小聪，吴文强.费用角逐、消费者赋权与合作治理——政医患三方博弈的生成、演化和解调[J].中山大学学报：社会科学版，2017，57（4）：131-139.

[21]Gao Y，Du Y，Sun B，et al.Tripartite Evolutionary Game Analysis on Selection Behavior of Trans-regional Hospitals and Patients in Telemedicine System[J].International Journal of Computational Intelligence Systems，2017，10（1）：1132-1148.

[22]翟运开，路薇，孙东旭，等.远程医疗背景下政府、医院和患者三方博弈分析[J].中国卫生经济，2018，37（7）：54-57.

[23]Li M，Carrell D，Aberdeen J，et al.Optimizing Annotation Resources for Natural Language De-identification Via A Game Theoretic Framework[J].Journal of Biomedical Informatics，2016：97-109.

[24]Yao J T，Azam N.Web-based Medical Decision Support Systems for Three-way Medical Decision Making with Game-theoretic Rough Sets[J].IEEE Transactions on Fuzzy Systems，2014，23（1）：3-15.

[25]Shokri R，Theodorakopoulos G，Troncoso C.Privacy Games Along Location Traces：A Game-Theoretic Framework for Optimizing Location Privacy[J].ACM Transactions on Privacy and Security，2017，19（4）：11-41.

[26]Zhu F W，Carpenter S，Zhu W，et al.A Game Theoretic Approach to Optimize Identity Exposure in Pervasive Computing Environments[J].International Journal of Information Security and Privacy，2010，4（4）：1-20.

[27]李君妍，楊家其.药品回收物流三方演化博弈行为研究[J].武汉理工大学学报：交通科学与工程版，2017，41（5）：859-863.

[28]李健，王明月，许路明，等.基于用户感知价值的医疗信息服务评价体系构建[J].数据分析与知识发现，2019，3（2）：118-126.

[29]邓胜利，赵海平.信息泄露情境下的个人信息价值评估及个体差异：基于离散选择模型的实证研究[J].情报学报，2019，38（3）：266-276.

[30]朱光，刘虎，杜欣蒙.隐私忧虑背景下的移动医疗APP使用意愿研究——基于三方博弈的视角[J].数据分析与知识发现，2019，（5）：93-106.

[31]朱光，刘虎，陈婧，等.移动医疗服务情境下的隐私问责研究——基于演化博弈的视角[J].现代情报，2018，38（12）：32-39.

（责任编辑：孙国雷）