紐約8家醫院突然叫停：Palantir手上300萬份病歷怎么辦

導讀：一份終止合作的公告，暴露了醫療數據交易中最隱蔽的漏洞——數據可以要回來，但訓練好的模型不會失憶。

紐約市健康與醫院公司（NYC Health + Hospitals）最近宣布，旗下8家公立醫院將停止向Palantir共享患者私人健康數據。這家運營著全美最大公立醫療系統的機構，管理著約300萬份活躍病歷。合作終止的消息傳出后，Reddit上的討論迅速分化成兩派：一派憤怒于"他們居然一直在干這個"，另一派冷靜分析"這完全合法"。

真正的問題藏在合法性的縫隙里。

數據共享的灰色地帶：HIPAA沒說的那部分

Palantir與紐約公立醫院的合作始于2022年，核心產品是名為"Foundry"的數據整合平臺。醫院將患者信息導入系統，用于優化床位分配、預測急診高峰、追蹤慢性病管理效果。從合同角度看，這屬于"醫療運營"范疇，Palantir作為"商業伙伴"（Business Associate）簽署BAA協議后，接收受保護健康信息（PHI）完全符合《健康保險流通與責任法案》（HIPAA）規定。

一位在臨床研究領域深耕多年的MD/PhD在Reddit thread中直言：「HIPAA實際上并不禁止這種行為——醫院可以在運營、支付或特定研究用途下，與Palantir這樣的商業伙伴共享PHI。」

但這位研究者拋出了一個更尖銳的問題：「更關鍵的問題不是'這是否合法'，而是'誰來監管Palantir從數據中推導出的產物，以及合同結束后這些衍生知識存放在哪里'。」

HIPAA、歐盟AI法案、ISO 42001，所有這些規范都約束的是"接觸數據的系統"，而非"系統產出的產物"。

一個用800萬份紐約患者記錄訓練出的風險預測模型，不會因為數據共享協議終止而自動刪除。模型的權重參數、特征關聯模式、對特定人群的健康風險評估能力——這些"衍生品"的法律地位，目前處于監管真空。

Palantir的醫療版圖：從戰場到醫院走廊

要理解醫院為何選擇Palantir，得先看這家公司的基因。Palantir由PayPal聯合創始人Peter Thiel于2003年創立，早期核心客戶是美國情報機構（CIA、NSA）和軍方。其名字源自《指環王》中那顆可以透視遠方、卻可能被邪惡力量監視的水晶球——這個隱喻在醫療數據語境下顯得頗為諷刺。

2010年代后期，Palantir開始將"戰場級"數據整合能力商業化，醫療成為重點擴張領域。其邏輯很直接：如果系統能在伊拉克追蹤叛亂分子網絡，自然也能在醫院里追蹤疾病傳播路徑和患者流動模式。

紐約市健康與醫院公司的合作是Palantir公立醫療領域的標桿案例。根據公開信息，Foundry平臺接入了11家醫院的電子病歷系統、實驗室數據、影像檔案和醫保索賠記錄，構建"統一患者視圖"。宣傳材料中的典型應用場景包括：識別可能失約的糖尿病患者、預測哪些急診科患者將在72小時內再次入院、優化手術室排班。

這些功能對資源緊張的公立醫療系統確有吸引力。紐約市健康與醫院公司每年服務超過100萬無保險或保險不足的患者，運營效率的壓力真實存在。但效率提升的代價是：數百萬患者的完整健康畫像流入了一家以政府監控合同起家的公司。

Reddit評論區的一條高贊回復道出了核心焦慮：「他們 literally 是我最不想擁有我私人健康數據的公司。」另一條回復則更具黑色幽默：「這就是為什么我只去深山老林找薩滿看病。」

終止合作的真正動因：壓力來自哪里

官方公告對終止原因語焉不詳，僅稱"經過全面評估后決定"。但時間線提供了線索。

2024年下半年，紐約州總檢察長Letitia James辦公室開始對公立醫療機構的數據共享協議展開審查，重點關注患者知情同意流程和第三方數據使用范圍。幾乎同時，美國衛生與公眾服務部（HHS）更新了HIPAA guidance，強調"去標識化"數據的重新識別風險，以及AI訓練場景下的合規邊界。

更大的背景是Palantir自身的輿論困境。2024年，該公司因參與美國移民與海關執法局（ICE）的驅逐行動追蹤系統而遭遇大規模抗議，多個學術機構和非營利組織切斷了與其的合作。醫療領域的客戶開始重新評估品牌風險——與一家政治爭議纏身的公司綁定，是否值得？

紐約市健康與醫院公司的決策，很可能是風險計算的結果：繼續合作的收益（運營效率提升）與成本（潛在的訴訟、監管處罰、公眾信任流失）之間的天平發生了傾斜。

但這里有個關鍵的認知陷阱。許多報道和社交媒體討論將"停止共享"等同于"數據回歸安全"。事實遠非如此。

模型不會失憶：被忽視的數據衍生品問題

Palantir Foundry的核心價值不在于存儲原始數據，而在于通過機器學習提取模式。過去兩年多的合作中，系統持續學習紐約患者群體的特征：哪些社區的高血壓控制率最低？哪些因素最能預測急診室的非必要就診？特定種族或年齡組的并發癥風險模式如何？

這些洞察被編碼進預測模型的參數中。當數據共享終止時，醫院可以要求刪除原始PHI，可以要求返還或銷毀本地存儲的數據副本。但已經訓練完成的模型呢？

目前沒有任何美國法律明確要求刪除或限制使用基于歷史數據訓練的AI模型。歐盟AI法案對"高風險AI系統"有持續合規要求，但Palantir的Foundry平臺是否構成"高風險系統"取決于具體用途，且該法案對模型衍生品的追溯效力同樣模糊。

那位MD/PhD研究者的警告值得重復：「合同結束后，那些衍生知識存放在哪里？」

Palantir可能在其他客戶場景中復用這些模型的架構，甚至通過"遷移學習"將紐約患者數據中學到的模式應用到其他地區。公司官方否認這種做法，但外部無法審計。更現實的擔憂是：即使Palantir本人恪守承諾，模型中編碼的群體層面洞察——例如"某郵編區域居民的心血管風險顯著高于平均水平"——已經成為其"領域知識"的一部分，影響著后續產品的設計邏輯。

Reddit評論區有人諷刺：「我猜Palantir會做正確的事，停止使用他們之前共享的所有患者數據。他們是家好公司，對吧？讓我查查他們到底是干什么的……」

這種不信任并非空穴來風。Palantir的商業模式建立在數據網絡的規模效應上：服務越多客戶，積累的行業洞察越深厚，產品競爭力越強。醫療數據一旦進入這個飛輪，就很難完全剝離。

監管滯后：當法律追不上技術

紐約醫院事件暴露的系統性問題，是數據治理框架與AI技術演進之間的脫節。

HIPAA制定于1996年，最后一次重大修訂是2013年。其設計初衷是規范"數據流動"——誰可以在什么條件下訪問哪些信息。但AI時代的核心問題變成了"數據轉化"：原始信息如何被蒸餾為模型能力，這種能力如何被轉移、復用、貨幣化。

現有法規對此幾乎沉默。BAA協議通常規定數據使用范圍和保密義務，但很少涉及"基于數據開發的算法資產"的歸屬和處置。當合作終止時，雙方往往只關注數據刪除，而忽略模型處置。

一些前沿討論正在嘗試填補空白。"機器遺忘"（Machine Unlearning）是學術研究的熱點，目標是讓模型"忘記"特定訓練數據的影響，但目前技術遠不成熟，且對復雜深度學習模型的適用性有限。歐盟正在探索"算法影響評估"制度，要求高風險AI系統記錄訓練數據來源和模型變更歷史，但執行細節仍在博弈中。

更根本的挑戰在于：即使法律要求刪除模型，如何驗證執行？AI系統的"記憶"不像數據庫記錄那樣可以被逐條清點。模型參數是數百萬個數字的矩陣，每個數字都間接受到所有訓練數據的影響，無法對應到具體某條患者記錄。

這意味著"數據可攜帶權"和"被遺忘權"在AI語境下面臨技術性失效。患者可以要求醫院刪除自己的病歷，但無法要求從Palantir的模型中"提取"出自己的那部分影響——因為技術上做不到。

行業連鎖反應：公立醫療系統的信任危機

紐約市健康與醫院公司的決定，可能引發公立醫療機構對AI供應商的重新評估。與私營醫療系統不同，公立醫院承擔著更重的公共服務使命，也面臨更嚴格的政治問責。與爭議性科技公司的合作，容易成為攻擊靶點。

已有跡象顯示這種"去Palantir化"趨勢在蔓延。2024年底，英國國家醫療服務體系（NHS）推遲了與Palantir的續約談判，盡管官方否認與政治壓力有關。美國退伍軍人事務部（VA）的內部評估報告也顯示，對Palantir合同的反對聲音在增加。