基于共识化区块链技术的云健康资源共享:以乳腺肿瘤诊断服务为例gydF4y2Ba

简介gydF4y2Ba

背景gydF4y2Ba

卫生保健关系到人类的生存和幸福，因此卫生保健的效率和效果至关重要。医疗保健行业是发达国家和发展中国家最重要的行业之一。根据世界卫生组织的一份报告，2018年，高收入国家的卫生保健总支出增长了4%，而低收入和中等收入国家的这一数字约为6%。在这两组国家中，保健支出的增长率都高于国内生产总值的增长率[gydF4y2Ba1gydF4y2Ba］．gydF4y2Ba

近几十年来，信息和计算机技术显著提高了卫生保健提供的效率和获得保健的机会，并大大减少了卫生保健资源的浪费。除了电子医疗记录、远程医疗和临床决策支持系统等众所周知的例子外，移动医疗和人工智能等新技术的应用正在蓬勃发展。例如，HealthTap [gydF4y2Ba2gydF4y2Ba]是一款很受欢迎的健康应用程序，它向投保人提供免费的健康服务，包括通过即时联系或通过视频会议、电话或文字聊天与医生预约，在线向执业医生网络询问与健康相关的问题。它现在已经吸引了来自170个国家的14万多名信誉良好的有执照的医生。此外，谷歌的DeepMind Health [gydF4y2Ba3.gydF4y2Ba]是一个与英国国家卫生服务机构合作的健康人工智能系统。其目标是为全球数百万人提供更好的医疗服务。gydF4y2Ba

然而，随着医疗卫生领域的数字化和信息化，出现了越来越多的问题。众所周知，由于缺乏必要的信息，信息系统可能无法为患者提供最佳的解决方案[gydF4y2Ba4gydF4y2Ba］．阿德勒-米尔斯坦等人[gydF4y2Ba5gydF4y2Ba]说明了定制的和不兼容的卫生系统可能导致医疗机构之间的沟通和协调存在差距。张等[gydF4y2Ba6gydF4y2Ba]认为，在卫生信息系统中，一个根本问题是缺乏一个可信任的平台，可以连接独立的卫生系统，并提供端到端可达的网络。同样，Zhang等[gydF4y2Ba7gydF4y2Ba]还指出，卫生领域的紧迫问题包括数据碎片化和竖井化、通信延迟、不同的工作流工具以及缺乏卫生保健资源共享平台。在这方面，区块链技术具有去中心化、共识、加密货币和数据的不可变性等独特特征，为解决这些问题提供了一种新颖的工具。gydF4y2Ba

在本研究中，我们提出了一种基于共识导向区块链技术的云健康资源共享模型，并以乳腺肿瘤诊断为例说明该模型。gydF4y2Ba

文献综述gydF4y2Ba

运行状况数据共享中的区块链gydF4y2Ba

卫生数据共享一直是卫生保健机构面临的最大挑战之一。自2008年比特币首次由假名创造者中本聪(Satoshi Nakamoto)推出以来[gydF4y2Ba8gydF4y2Ba，它经历了惊人的发展。比特币的核心技术区块链引起了前所未有的关注和关注。在过去的几年里，研究人员和从业者已经开始认识到区块链技术在解决数据共享挑战方面的价值。里菲等人[gydF4y2Ba9gydF4y2Ba]阐述了隐私、可伸缩性和互操作性等具体问题，并强调了区块链技术在部署安全、可伸缩的医疗数据交换解决方案方面的好处。夏等人[gydF4y2Ba10gydF4y2Ba]解决了医疗数据在受保护的机构云之外传播的患者隐私风险，并提出了基于区块链的数据共享框架。该框架利用区块链的不可变性和内置自治属性，解决了与存储在云中的敏感数据相关的访问控制挑战。梁等[gydF4y2Ba11gydF4y2Ba]提出了以用户为中心的创新健康数据共享解决方案，使用去中心化和许可的区块链来保护隐私和改进身份管理。最近，Alexaki等人[gydF4y2Ba12gydF4y2Ba也考虑了区块链技术来支持分散的护理周期。通过区块链技术，解决了患者隐私和医疗记录完整性问题，同时确保了提供者之间的高效互操作性。张等[gydF4y2Ba5gydF4y2Ba]说明了在国家卫生信息技术协调员办公室的《全国共享互操作性路线图》中定义的技术要求的背景下，区块链技术对临床数据共享的贡献。此外，Ji等[gydF4y2Ba13gydF4y2Ba提出了一种利用区块链技术实现远程医疗信息系统位置共享的方案。在他们的工作中，明确了方案的分散、保密和可核查性等基本要求，并进行了实验，以证明所提方案的效率和可行性。gydF4y2Ba

电子健康记录中的区块链gydF4y2Ba

文献中已有大量研究将区块链技术应用于电子病历管理。他们等人[gydF4y2Ba14gydF4y2Ba]通过提出一个区块链物联网模型，生物传感器测量和收集有关患者医疗状况的实时数据，并将数据存储在区块链中，开发了一个可靠存储健康数据的解决方案。提出了星际文件系统协议来保存出院的患者记录，从而减少了实际区块链的负载。李等[gydF4y2Ba15gydF4y2Ba]提出了一种新的基于区块链的医疗数据保存系统，用户可以在该系统中保存基本数据和数据的原创性。在基于区块链的以太坊平台上实现了数据保存系统的原型，结果验证了所提系统的有效性和效率。Dagher等人[gydF4y2Ba16gydF4y2Ba提出了一个名为Ancile的基于区块链的框架。Ancile框架可以为患者、提供者和第三方提供对医疗记录的安全、互操作和高效访问，同时保护患者敏感信息的隐私。陈等人[gydF4y2Ba17gydF4y2Ba]设计了一个基于区块链和云存储的个人医疗数据管理存储方案。此外，还描述了一个共享病历的服务框架。同时，通过与传统系统的比较，介绍了医用区块链的特点并进行了分析。王与宋[gydF4y2Ba18gydF4y2Ba]提出了一种安全的电子病历系统，该系统采用基于属性的医疗数据加密系统、基于身份的数字签名加密系统和用于医疗数据完整性和可追溯性的区块链技术。同样，Guo等[gydF4y2Ba19gydF4y2Ba]表明，患者非常需要密切关注自己的医疗保健信息和医疗数据存储。提出了一种基于属性的多权限签名方案，以保证EHR注入区块链的有效性。gydF4y2Ba

张等[gydF4y2Ba20.gydF4y2Ba描述了系统可进化性、存储需求最小化、患者数据隐私保护以及跨大量用户的应用程序可伸缩性等问题。这些挑战可以在基于区块链的去中心化应用(DApp)中缓解。布罗根等人[gydF4y2Ba21gydF4y2Ba]讨论了分布式账本技术如何通过确保可穿戴设备和嵌入式设备生成的数据的真实性和完整性，在推进电子健康方面发挥关键作用。田等人[gydF4y2Ba22gydF4y2Ba]建议建立一个共享密钥，在诊断和治疗过程开始之前，合法各方可以重建。诊疗过程中的数据采用共享密钥加密存储在区块链中。gydF4y2Ba

药品处方跟踪中的区块链gydF4y2Ba

区块链技术为卫生行业提供了药物跟踪，特别是阿片类药物处方跟踪的新视角。梅特勒等人[gydF4y2Ba23gydF4y2Ba]列举了公共卫生保健管理、面向用户的医学研究和制药部门制假药品的例子。这些例子被认为只是医疗保健行业采用区块链技术的起点。迪隆等人[gydF4y2Ba24gydF4y2Ba]提出了一个区块链系统，在这个系统中，医生在开处方时可以检查区块链来查找当前有效的处方。来自不同提供者的活动处方将自动使对新处方的请求无效，这可以被编码为网络中的第二个支出请求。与此同时，IBM和德勤区块链实验室等主要区块链参与者也在努力控制类阿片过量流行。张等[gydF4y2Ba5gydF4y2Ba]表明，基于区块链的系统可以建立一个可信的医院和药店网络，以负责任的方式存储与药品相关的交易。分布式和共享许可的区块链平台允许松散耦合的提供者访问其他数据竖井，而不需要它们之间有明确的信任关系。泰勒和海尔[gydF4y2Ba25gydF4y2Ba]使用与数字钱包相关的权限和限制来与区块中包含的意外事件和交易需求进行交互。这种相互作用可用于实现阿片类药物剂量归属的验证。它还可能包括涉及当前所有者、患者和药物滥用机构的阿片类药物销售条款。gydF4y2Ba

区块链在临床试验和精准医学gydF4y2Ba

临床试验和精准医疗的在线服务越来越受欢迎。区块链技术为该服务提供了可靠的安全机制。雪伊和蔡[gydF4y2Ba26gydF4y2Ba他们提出了一个用于临床试验和精准医疗的区块链平台，并确定了在传统区块链基础上需要开发的四个新的系统架构组件。铃木等人[gydF4y2Ba27gydF4y2Ba]提出了一种方案，使用区块链技术作为客户端-服务器系统的请求-响应通道，以可审计的方式记录客户端请求和服务器应答。基于一个公开的区块链测试平台开发了一个概念验证算法。蔡(gydF4y2Ba28gydF4y2Ba]提出了一种将重复的区块链计算转换为分布式并行计算架构的机制。在此过程中，采用智能合约来支持移动计算。机制阐明建立真实世界的证据的临床试验的个人和精准医疗。Benchoufi等人[gydF4y2Ba29gydF4y2Ba]采用区块链技术来构建同意工作流。拟议的概念验证协议包括使用区块链对患者同意的每一步进行时间戳，通过加密验证以安全、不可分割和透明的方式收集临床试验信息。以开放格式获得的单一文件解释了整个同意收集过程。据信，在未来，区块链可以用于跟踪来自临床试验的复杂数据，流智能合约可以帮助防止临床试验事件以错误的时间顺序发生。gydF4y2Ba

方法gydF4y2Ba

基于区块链的云健康服务共享模型概念gydF4y2Ba

该系统将区块链技术与云计算的概念相结合，提出了一种面向共识的健康数据和服务共享的新模式。使用公钥和私钥技术、虚拟货币、智能合约、共识算法、HASH256加密技术等区块链技术实现自动共识驱动服务和价值共享。这些服务让医疗机构、健康平台、个人和健康相关行业共享不断增长的系统价值，拥有各种安全、可靠、可信、优质、廉价、易支付、按需的健康资源。gydF4y2Ba

提出的卫生服务共享模型基于一个开源系统。所有的共识标准和系统推荐算法都是对经过批准的用户开放的。提出的模型采用联盟或联合区块链结构[gydF4y2Ba30.gydF4y2Ba］．因此，该模型中的区块链系统并不是完全去中心化的。相反，以共识为导向的集中式模型有助于系统远离完全分散系统的潜在问题，如犯罪和波动性。建议模型中的用户主要分为三类:管理员、服务提供者和普通用户。管理人通常包括签署人和仲裁委员会成员。服务提供商信息由管理员预验证，管理员通过智能合约进行投票。区块链系统只存储与系统组件(如基本机器规格)相关的事务和摘要信息。然而，有许多类型的信息(例如，医学图像)需要由拟议模型中的区块链系统进行验证。这些数据通常保存在分布式存储系统中，并由Oracle机制进行验证。区块链系统中的Oracle提供可信实体，允许区块链系统访问外部数据[gydF4y2Ba31gydF4y2Ba］．Oracle机制也保证了外部数据区块链数据的安全性。gydF4y2Ba

价值共享是该模型的核心概念。该模型采用一种加密货币系统，即云健康币系统，该加密货币被称为云健康币(CHC)。在该模型的区块链系统中，只有签名者可以挖掘区块。因此，授权证明书[gydF4y2Ba32gydF4y2Ba作为网络共识算法，而不是工作证明。此外，实用的拜占庭容错协议即使在单个签名者出错的情况下也能保证系统的安全性。使用PoA共识算法，签名者无需投入大量资金进行计算能力竞争。除了传统的签名者有权获得所有挖掘奖励的设计之外，我们还提供了另一种选择，即将相当一部分挖掘奖励转移到系统公共账户中。公共资金用于支持标准验证智能合约，奖励数据共享和对该系统做出贡献的人。例如，拥有备用计算能力并参与推荐提供者分布式计算的设备将获得奖励。gydF4y2Ba

在提议的模型中，一切都是服务的层次结构gydF4y2Ba

的概念gydF4y2Ba一切都是服务gydF4y2Ba从云计算中借鉴并应用于所提出的模型。通过智能合约，运用共识机制的标准，将一切虚拟化，为客户服务。同时，该系统也使健康平台能够方便、舒适地使用和共享健康数据。物理云运行状况资源交付gydF4y2Ba基础设施即服务gydF4y2Ba通过核心中间件功能。用户级中间件和系统开发人员工具提供gydF4y2Ba平台即服务gydF4y2Ba功能。提供各种应用程序服务、dapp和专业软件gydF4y2Ba软件即服务gydF4y2Ba功能。gydF4y2Ba图1gydF4y2Ba的层次结构gydF4y2Ba一切都是服务gydF4y2Ba在提出的模型上。gydF4y2Ba

的gydF4y2Ba软件即服务gydF4y2BaLayer向最终用户提供许多软件应用程序的服务。软件可以由拟议的系统或第三方公司提供，甚至可以由用户自行开发。大多数软件包都不是开源的。软件应用的例子包括医院管理系统、EHRs、电子医疗记录和CHC交换。的gydF4y2Ba平台即服务gydF4y2Balayer提供软件框架，帮助开发人员创建应用程序、dapp或其他gydF4y2Ba软件即服务gydF4y2Ba层软件。该级别还提供了许多由智能合约预先批准的开源工具。这些工具可以让开发者轻松地根据相关系统标准开发应用程序或dapp。所有卫生保健组织都提供标准化数据访问接口(达成共识)。中间件软件使来自不同平台的数据具有标准格式。的gydF4y2Ba平台即服务gydF4y2Ba层还包括服务水平协议、会计、计费、Oracle和区块链系统接口。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

的gydF4y2Ba基础设施即服务gydF4y2Ba层包括用于诊断和治疗的医疗系统、实验室设备、计算机和其他可在云上使用的卫生资源。在提议的模型中，服务提供者根据共识标准提供服务。中间件帮助服务提供者通过虚拟化流程交付服务。gydF4y2Ba

基于云技术的乳腺肿瘤诊断案例研究gydF4y2Ba

假设一名生活在发展中国家或农村地区的乳腺癌患者需要对其生物样本进行实验室检查，以确定癌症类型。她所在国家或地区的医院无法识别生物样本，因此患者必须求助于其他国家的医院或实验室。现在的挑战是:患者如何在另一个国家找到合适的诊断机构?患者如何从确定的组织安排服务?病人如何支付服务费用?gydF4y2Ba

通过提出的模型，患者所面临的挑战可以得到解决。首先，系统中的所有服务提供商都是预先批准的。该系统使用开源算法来推荐合格的提供者。与使用商业搜索引擎的互联网搜索结果相比，开源算法的本质确保了推荐结果的不偏不倚和更可信。虚拟货币被用于支付交易，这将病人从传统的货币交换中解放出来。患者可以简单地向系统提交服务请求(通常有一个负担得起的费用限制)，然后等待通知。如gydF4y2Ba图2gydF4y2Ba时，系统响应患者(用户)发起的服务请求。该系统将根据过去类似服务的大数据分析，提供估计的成本范围，为购买CHC提供方便的服务。同时，系统会选择一个签名者，根据共识机制组织推荐服务提供者的计算过程。如果采用公共账户的概念，可以让大量的用户和提供者参与到分布式计算中，并获得他们的计算报酬。这可以使非签名者的用户和提供者通过与签名者分配天然气和采矿奖励来共享系统价值。与此服务请求相关的提供者将收到详细的工作要求和付款信息。所有流程数据都写入区块链以进行回顾。gydF4y2Ba

然后，患者/使用者将根据系统标准制备检测样品。当测试样例准备就绪时，流程将启动，所有相关流程都在开源算法下进行监视。在每个过程完成后，患者可以对服务进行评价。评估结果将写入区块链。如果医疗机构不同意患者的评估，可以提交仲裁申请。所有证据都保证证词的真实性和可信性。在此过程中，仲裁委员会将进行投票。这种投票依赖于数据报告，通过智能合约实现。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

模拟gydF4y2Ba

我们基于开源的区块链系统以太坊实现了所提出的模型。模拟使用Python 3.6编码，使用Spyder集成开发环境在Mac系统上进行，Mac系统使用2.2 GHz Intel i7 CPU和16 GB DDR4内存。使用三台运行macOS、Ubuntu和Windows操作系统的计算机来模拟具有多个操作系统的跨平台场景。我们基于以太坊构建了一个联盟或联邦区块链。系统假设有9个预定的签名者(也可以称为所有者)，他们是根据PoA共识算法挖掘区块的唯一账户，以及22个可以提供乳腺癌诊断服务的提供者。创建100个用户用于发出业务请求。采用泊松分布随机函数模拟作业请求的到达间隔时间。模拟的目的是深入了解提供者的性能和评估。gydF4y2Ba图3gydF4y2Ba显示模拟流程图，其中包括启动、提供者推荐和服务评估。gydF4y2Ba

供应商的评估gydF4y2Ba

基于威斯康星州乳腺癌诊断数据库[gydF4y2Ba33gydF4y2Ba，gydF4y2Ba34gydF4y2Ba，研究人员已经开发出乳腺癌数据分类的方法。gydF4y2Ba表1gydF4y2Ba根据文献总结了分类方法及其准确性。在本研究中，每种方法都被视为提供者。gydF4y2Ba

考虑到智能合约已经预先批准了所有提供商，提供商的初始服务评估得分设置为6分(满分10分)。在0到10的评价尺度中，0代表最差，10代表最好。病历被视为数据单位。供应商在单价上有不同的定价策略。在这里，我们假设更高的准确性要求导致更高的诊断成本。单价(gydF4y2BapgydF4y2Ba_{单位gydF4y2Ba})由gydF4y2BapgydF4y2Ba_{单位gydF4y2Ba}＝gydF4y2BaδgydF4y2Ba+gydF4y2BaεgydF4y2Ba＊gydF4y2BafgydF4y2Ba（gydF4y2BaαgydF4y2Ba)，其中gydF4y2BaδgydF4y2Ba而且gydF4y2BaεgydF4y2Ba是常数,gydF4y2BaδgydF4y2Ba表示基础价格，gydF4y2BaεgydF4y2Ba表示由诊断准确率引起的价格差异，和gydF4y2BafgydF4y2Ba（gydF4y2BaαgydF4y2Ba)是一个范围从0到1的正态分布随机函数。的平均数gydF4y2BafgydF4y2Ba（gydF4y2BaαgydF4y2Ba) =gydF4y2BaαgydF4y2Ba，即归一化诊断准确率。gydF4y2Ba

诊断精度具有与服务作业数量相关的随机性质。最初的诊断定义为gydF4y2Ba表1gydF4y2Ba．该仿真具有计算机诊断功能。每个供应商的诊断准确性将随着完成的作业数量的增加而变化。动态诊断精度的计算见gydF4y2Ba图4gydF4y2Ba，其中gydF4y2BaγgydF4y2Ba是一个常量，以防止意外诊断对提供者的准确性影响太大。在这种情况下，gydF4y2BaγgydF4y2Ba= 1000,gydF4y2BaαgydF4y2Ba_inigydF4y2Ba提供者的初始诊断准确性是否如所示gydF4y2Ba表1gydF4y2Ba,gydF4y2BaρgydF4y2Ba是服务案例的总数。如在gydF4y2Ba图5gydF4y2Ba，gydF4y2BaαgydF4y2Ba_{更新gydF4y2Ba}计算在gydF4y2BaβgydF4y2Ba_{精度gydF4y2Ba}表示由提供者和准确诊断的患者病例数gydF4y2BaβgydF4y2Ba_{总计gydF4y2Ba}表示由提供者诊断的患者病例总数。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

对服务请求建模gydF4y2Ba

在提出的系统中，所有的东西都是根据共识标准虚拟化为服务的。在此模拟中，完成了乳腺肿瘤分类的计算服务。采用泊松随机函数模拟生成的服务请求的到达时间。服务请求的平均到达时间为3分钟。在500小时的模拟运行中，总共生成了9893个作业请求。每个服务请求都包含一个数据集，其中包含要分析的不同数量的图像。在成本敏感性和诊断准确性敏感性方面的用户优先级由k最近邻(KNN)权重反映。因此，不同的用户可能有不同的KNN权重组合。gydF4y2Ba

乳腺肿瘤诊断服务的设计与实现gydF4y2Ba

报价(gydF4y2BapgydF4y2Ba_{报价gydF4y2Ba})是按…计算的gydF4y2BapgydF4y2Ba_{报价gydF4y2Ba}＝gydF4y2BaβgydF4y2Ba＊gydF4y2BapgydF4y2Ba_{单位gydF4y2Ba}，其中gydF4y2BaβgydF4y2Ba工作中的病人数量和gydF4y2BapgydF4y2Ba_{单位gydF4y2Ba}计算公式为gydF4y2BapgydF4y2Ba_{单位gydF4y2Ba}＝gydF4y2BaδgydF4y2Ba+gydF4y2BaεgydF4y2Ba＊gydF4y2BafgydF4y2Ba（gydF4y2BaαgydF4y2Ba）.gydF4y2Ba

图6gydF4y2Ba展示了基于加权KNN算法的推荐过程[gydF4y2Ba42gydF4y2Ba］．在这种情况下，KNN算法将总成本、诊断准确率和服务评估得分作为三个最近邻。为了估计用户的不同偏好，用户有特定的KNN权重。根据KNN权重特征，可将用户分为四类。第一类用户以价格为导向，总价权重大于等于0.5;类型2的用户以准确率为导向，诊断准确率的权重≥0.5;第3类用户为信誉导向型用户，服务评价评分权重≥0.5;类型4的用户是正常的用户，他们没有一个权重等于或大于0.5。gydF4y2Ba

彼得森等人[gydF4y2Ba43gydF4y2Ba]表明大多数满意度测量的概念分布遵循倾斜分布。因此，采用偏态分布函数对用户评价结果进行建模。没有成功竞标工作的供应商将获得系统服务评估的平均分数。的方程gydF4y2Ba图7gydF4y2Ba用于计算提供者的服务评价得分，其中n表示提供者已完成的作业数，e表示评价得分e∈[0,10]，gydF4y2BaφgydF4y2Ba_我gydF4y2Ba为用户评价系数，gydF4y2BaφgydF4y2Ba_我gydF4y2Ba∈{0,0.2,0.4,0.6,0.8,1}。符号gydF4y2BaεgydF4y2Ba表示用户评价和提供者自我评价之间的差值，由中的方程进行评价gydF4y2Ba图8gydF4y2Ba，其中gydF4y2BaEgydF4y2Ba_我gydF4y2Ba^{自我gydF4y2Ba}表示关于服务的提供者自我评估。最后，价值gydF4y2BaφgydF4y2Ba_我gydF4y2Ba是由?中的方程计算的gydF4y2Ba图9gydF4y2Ba．gydF4y2Ba

为了模拟仲裁过程，计算了提供者自我评价与用户评价之间的差值。根据所示的概率，将差值分为几个类别gydF4y2Ba图10gydF4y2Ba．生成一个均匀分布的随机值来比较概率值。如果随机值小于概率，则触发仲裁，反之亦然。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

结果gydF4y2Ba

模拟了生成服务请求的500小时到达时间，生成9893个服务请求。发现15个提供者完成了所有9893个请求，而其他7个提供者没有接受任何工作。gydF4y2Ba图11gydF4y2Ba显示用户对提供商服务的评价。从图中可以看出，随着岗位指数的增加，各服务提供者的服务评价分数趋于稳定。这是因为用户的服务评价与诊断的准确性有关，列于gydF4y2Ba表1gydF4y2Ba．从图中可以看出，在初始阶段，评价分数快速增长。这是因为提供者的服务级别分数在开始时被设置为0，在提供者开始满足服务请求后更新分数。但是，对于没有完成任何工作的提供者，也可以观察到服务评价分数的变化。原因是这些提供者被分配到系统的平均服务评价分数。这一机制使所有提供者都有机会竞争就业机会。还可以发现，曲线具有两种不同的形状。一些曲线似乎由几个主要的完全平坦的线段组成，而另一些曲线则显示出波浪形。第一种类型的曲线形状意味着提供者只占用非常有限的服务请求数量。许多提供者，例如提供者7、8和21，在分别在服务请求号2400、2073和600附近突然增加之后出现突然下降。 Those providers fulfill no service requests before that. Once they take up their first service requests, their service evaluation changes from the system average to a very high evaluation score. However, after that, those providers fulfill approximately 10 service requests in a short amount of time and then the service score reduces and stabilizes.

图12gydF4y2Ba说明在模拟的500小时内每个提供者完成的服务请求的最终总数。可以看出，提供商22完成的服务请求最多，几乎占总请求的四分之一。提供者2、9和10满足超过1000个服务请求。另外，提供者1、11、12和19表示第三梯队，满足的请求大于500，但小于1000。在9853宗服务申请中，有9254宗(超过90%)由8家供应商承办。gydF4y2Ba图13gydF4y2Ba显示前50个仲裁案件的服务评分。结果表明，大多数中介结果都高于原始用户评价。结果表明，仲裁机制在一定程度上具有修复用户给出的评分与提供者实际服务水平之间差异的能力。另一方面，案例9、13、24、29、33、38的仲裁结果与相应的用户评价非常相似。此外，很明显，对于案例8，中介结果实际上低于用户评价。观察结果表明，虽然仲裁机制确实提供了修复提供者恶意评论的能力，但它并不能保证比用户评价更好的结果。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

图14gydF4y2Ba显示每个提供者在每个KNN权重场景下完成的服务请求数。该图说明，在面向价格的KNN权重场景下，提供者1实现了大约450个服务请求，而在其他两个KNN权重场景下则为0。在以价格为导向的KNN权重场景下，提供者11完成大约900个作业，这是与其他提供者相比最高的。提供者22提供了最精确的服务，在面向精度和面向信誉的KNN权重场景下完成了最多的服务请求，而在面向价格和正常KNN权重场景下完成了第二多的服务请求。这表明提供者22优于所有其他提供者。提供者2在面向价格、面向信誉和普通KNN权重场景下完成了大量的服务请求，但在面向精度的KNN权重场景下完成的请求数量可以忽略不计。这是因为供应商2在价格和服务上有优势，但在准确性上不太令人满意。提供者1和11在面向价格的KNN权重场景下完成的服务请求比在其他三个场景下完成的要多。这意味着这两家供应商提供了合理的服务价格，但他们在用户服务评级和诊断准确性方面的表现很差。供应商9和19在价格导向的KNN权重情景下不有效，但在其他三个KNN情景下有效，表明他们在价格竞争中采用了不成功的策略。 These observations reflect the nature of the system design: providers may have a disadvantage in one aspect, but they can still win the competition by offering attractive conditions in other aspects.

讨论gydF4y2Ba

在本研究中，我们提出了一个基于云健康服务共享的区块链技术模型，以资源共享、共识、全球支付和分布式账本为特色。这一机制使拟议的框架具有足够的可行性，并得到越来越多参与者的支持。基于开源以太坊区块链系统，我们采用联盟或联合区块链作为提议的框架。采用稳健语言开发智能合约。构建了乳腺癌诊断的模拟研究。一个推荐算法被设计用来为服务请求找到合适的提供者。在生成服务请求的500小时模拟时间内，22个提供者生成并完成了9893个作业请求。所有的服务请求都是由服务提供者根据加权KNN算法的推荐完成的，9个服务提供者占据了服务请求的优势。KNN权重上的用户优先级显著影响系统运行结果。提供者服务评估分数随着模拟期间服务请求的增加而稳定。gydF4y2Ba

还纳入了一个服务评价制度，其中设计了一种新的仲裁机制，以解决潜在的有偏见的评价问题。仲裁既考虑到提供者的自我评价，也考虑到用户的评价。这通过减少恶意用户的负面评价来保护提供者。注意，仲裁过程采用分布式决策模型，通过投票来调解冲突。合格的仲裁委员会成员可以分布在世界各地。在提交仲裁时，仲裁委员会的成员由系统随机选出，选出的成员仅对该案件构成仲裁委员会。系统将案件的摘要信息发送给委员会成员。委员会成员根据确凿的证据进行投票。系统最终通过智能合约达成决策。gydF4y2Ba

我们认为该模型具有巨大的潜力，目前的工作只是证明其可行性的第一步。为了更好地设计和优化所提出的模型，需要进一步的研究。例如，对于要在现实世界中实现所提出的模型，加密货币系统的设计是非常重要的。这个问题在本研究中没有得到解决，值得研究。此外，在建议的模型中引入区块链技术后，一些安全问题可能会得到缓解，但新的挑战可能会出现，例如区块链技术的高开销、交易的私隐、多数攻击、区块链的规模、现行法规问题和综合成本问题[gydF4y2Ba44gydF4y2Ba］．新的挑战应该在未来解决。就这种拟议系统的业务模型而言，有趣的主题包括各种情况下的供应商定价策略。此外，应探讨拟议模式的新应用，以解决药品处方跟踪和健康保险索赔问题。gydF4y2Ba