药企使用外部训练数据时，如何核查授权与数据来源
药企使用外部训练数据时，如何核查授权与数据来源
供应商出售一份“去标识化临床数据集”，药企接入后才发现其中部分影像来自合作医院的旧项目，原始同意书并未允许模型训练。数据已经进入训练流程，再说“来源由供应商负责”很难补救。外部数据尽调应像原料采购一样有批次、有来源、有验收。
签约前要求数据清单：采集机构、时间、类型、适用研究范围、去标识化方法、转授权链和限制条件。患者信息、公开论文、商业数据库不能混在一栏“合法取得”里。模型可审阅合同与数据说明，标出前后冲突；法务、数据治理与临床专家核实具体用途。对来源证明不完整的子集先隔离，不因整个数据包价值高就一并放行。
抽样检查内容本身。有没有意外出现姓名、住址、医院编号，是否存在重复病例，图像元数据里有没有隐藏的身份信息。罕见病组合特征可能使人再识别，即使没有姓名也要谨慎。供应商使用第三方标注或云服务时，查是否同样受许可约束。数据传输、保存区域与访问权限需要符合合作与监管要求。
训练时记录哪版模型用了哪批数据，保留可追溯关系。权利人后来提出异议，企业至少能识别受影响产品、停止未来使用并评估既有模型的处理办法。合同约定通知、审计和补救责任，不能靠一纸免责声明把风险全部推给医院或患者。
数据“去标识化”还可能在合并后失效。一家供应商提供基因数据，另一家提供精细病程，单独看都难识别个人，合起来却可能指向极少数患者。药企要审查计划中的数据联结，而不仅是每个数据集单独的说明书。模型可帮助找共同字段和罕见组合，隐私团队评估是否需降低粒度或在受控环境分析。合作方若无法说明原始同意范围，暂停相应用途，不以更强的加密技术代替授权。技术措施保护数据流动，不能替数据来源补上一份本不存在的同意。
采购合同还应约定发现授权瑕疵后谁通知原始数据提供者，不能让医院从媒体报道才知道资料被用于新模型。早报告、能定位、能暂停，是比“供应商保证合法”更有操作性的保护。
数据接收人员不能只检查文件可否打开，还应抽查字段定义与原采集目的。一个变量在不同医院叫同一个名字，测量方法却可能不同。把口径误合并，既可能伤害科学结论，也会让患者数据被用于原本未说明的分析。
训练数据不是可无限挖取的矿。它来自患者经历、医护劳动与研究投入。药企查清每一批资料的来路，既是保护自己，也是尊重当初愿意贡献数据的人。
