对许多全球卫生专业人员来说，COVID-19大流行的出现并不完全出人意料。2002年秋在中国广东省爆发的非典——其特征是全球化时代第一次接近大流行[ 1]，标志着新世纪的开始，全球卫生安全事件将在全球范围内变得更加频繁和迅速升级。在SARS之后，全球爆发了H1N1流感、中东呼吸综合征、寨卡病毒和新的埃博拉疫情。这些预警信号预示了自1918年流感大流行以来最严重的人类卫生紧急情况:目前的COVID-19全球大流行，截至2021年2月，已在全球造成至少1亿例病例和200万人死亡[ 2］．

在这段新型、新出现和重新出现的传染病加速爆发的整个时期，要求制定健全的公共卫生政策和进一步扩大公共卫生监测能力以预防未来大流行的呼声变得更加频繁和紧迫[ 3.］．然而，对公共卫生基础设施的投资，例如根据世界卫生组织《国际卫生条例》加强国家能力，并没有注意到这些警告:专家们描绘了一幅暴发准备的惨淡图景，他们将全球大流行应对描述为恐慌的循环，然后是忽视[ 4］．因此，各种疾病监测系统，包括电子公共卫生报告模式，都受到了与covid -19相关数据相关的复杂要求的挑战。其中一些挑战源于相关公共卫生机构无法接收和分享大规模流行的电子数据[ 5]，部分原因是使用了不适当或过时的工具，缺乏互操作性[ 6]，以及部分因未能符合保安及私隐要求[ 7］．

随着COVID-19病例继续激增，各国政府试图投资和部署更强大的数字疾病监测系统。这些包括不同形式的技术(例如，数字流行病学、大数据、机器学习、移动应用程序和分布式计算)，现在被视为探索大流行应对现代化的关键工具[ 8］．虽然这一技术领域的创新和投资迅速增加，但由于与数据治理、用户采用、对问责制和监督的担忧以及患者隐私和社会接受问题相关的非技术挑战，许多以技术为中心的举措遇到了实施障碍[ 7， 8］．在此背景下提出的一种新兴技术是区块链，这是一种分布式账本技术，在多个行业中日趋成熟，包括数字加密货币、金融交易技术等领域，并在能源、运输、供应链、审计和医疗保健等工业部门受到越来越多的关注[ 9］．

采用区块链，它可以被描述为一个仅可附加的分布式数据库，通过点对点协议协调[ 10]，消除了对中央运营商的需求，并可以提供对传统医疗保健信息管理系统(例如，客户-服务器系统)的潜在改进[ 9］．区块链允许在对抗环境中对数据进行防篡改复制[ 11］．该技术对于对手向系统的不同部分发送冲突信息的故障场景具有弹性[ 12]，即使这些对手恶意提供大量假名身份[ 13］．区块链的参与者使用共识机制就建议的记录是否可予接纳达成共识[ 14]，从而确保只复制网络成员同意的有效记录。

区块链网络上的共识可以是基于证明的(例如，比特币区块链使用的工作量证明共识)或基于投票的(例如，权威证明共识)[ 15]，不同的杂交形式正成为一个新兴的研究领域[ 16］．关于访问控制，区块链协议分类法区分了公共或私有网络以及无许可或许可网络[ 17］．公共区块链是开放的，任何人都可以参与，而私有区块链，或 企业在美国，区块链采用访问控制机制。在无权限系统中，所有成员在共识协议中都有相同的责任，而有权限的网络根据参与者的角色和权限，在共识中分配不同的责任。

已经出现了几个用例，证明了区块链在医疗保健数据管理中的潜在效用。其中包括电子健康记录(EHR)管理和聚合、卫生系统数据的隐私保护算法、区块链系统与医疗物联网的集成、在多个支付方和提供者之间实现分布式患者-提供者目录，以及增强卫生供应链的管理和安全[ 18- 21］．伴随着这一潜力，区块链也面临着现实世界的实现挑战，包括存储和传输链上和链下的数据，与其他卫生信息系统的互操作性，管理权限结构，并确保可伸缩性[ 22］．

区块链还被认为是COVID-19算法接触追踪的潜在解决方案，有望防止网络攻击[ 23]，从而在全球范围内监测社会遭遇，为卫生政策提供信息[ 24]，保障私隐[ 25， 26]，以防止伪造诊断[ 27]，让使用者保留个人资料的拥有权[ 28]，以及确保该等资料的可信度[ 29]，同时保存其来源记录[ 26］．虽然目前市场上流行的算法联系人跟踪框架都没有[ 30.]使用区块链，越来越多的学术著作[ 23， 25， 27， 31- 38暗示着极大的兴趣。因此，这一观点旨在严格审查区块链技术在大流行算法接触追踪方面的潜在效用和技术可行性。这是通过应用区块链评估框架来实现的，该框架基于七个关键问题来评估对特定用例使用技术的适用性。该观点最后提出了一些关于区块链是否是这一关键公共卫生用例的可行应用的建议，以及关于如何在持续对抗COVID-19的斗争中利用该技术的其他观察结果。

接触者追踪是一项流行病学控制措施，旨在查明与感染传染病的个人有过接触的所有人，以及这些人有可能感染该疾病并将该疾病传播给其他密切接触者[ 39］．它在控制人群中未被发现的感染方面有明显的好处[ 40]，例如COVID-19的传播，其中很大一部分病例可能是无症状的[ 41］．快速、可靠和准确的检测以确认病例是成功追踪接触者的先决条件[ 42， 43]，因为如果没有它们，感染个体可能仍未被识别，并继续作为人类病媒，维持社区传播。检测不足可能导致漏报疾病的真实流行率及其发病率，并限制非药物干预措施的有效性，如口罩、社交距离和其他重要的公共卫生干预措施[ 44］．然而，接触者追踪只是有效疫情控制和应对过程中的一个单一阶段，只有在与检疫和隔离程序相结合时才有效[ 45］．

接触者追踪有丰富的历史，可以追溯到19世纪后期，当时英国医务人员对天花等传染病暴发采取了监测系统，包括通报、隔离、消毒和发现病例[ 46］．信息时代带来了数字病例管理系统和其他创新(例如，通过移动应用程序实现的数字流行病学、互联网监测以及使用人工智能实现的疾病建模和预测)，现在卫生当局正在利用这些创新。然而，传统的基于面试的方法仍然是主流[ 8， 47， 48］．在这里，联系信息是由卫生保健专业人员或志愿者收集的，他们通过与患者、家庭或卫生保健专业人员的访谈或通过分析医疗记录、跟踪数据或监测数据来发现受传染病影响的个人的接触史[ 49］．

在使用基于访谈的接触追踪技术时，其成功依赖于受影响者回忆其接触历史的能力。然而，这种自我报告的数据的可靠性值得怀疑[ 50］．而且，通过这种方法无法发现与未知人员的联系。此外，传统的接触者追踪方案是劳动密集型的，与每个病例的高成本相关，并且在增量投资下，疾病流行率的降低越来越小[ 51］．因此，有人怀疑在大规模流行的情况下，仅靠这些传统方法是否有效。对此，提出了数字流行病学方法，包括接触者追踪算法，以更有效地减少病毒传播[ 8］．数字流行病学，或“利用公共卫生系统之外产生的数据进行疾病监测”[ 8]，自20世纪90年代以来一直在讨论[ 52］．大多数早期的数字流行病学方法都在使用 被动方法是重新利用来自"一系列来源的数据，其中大多数与医疗保健利用无关"[补充材料，8]。相比之下，大多数的算法接触追踪模式都可以考虑 活跃的方法，作为用户要自觉地启用数据监控和共享。

通过允许公共卫生机构收集、汇总和分析有关病例接触者的自动生成数据，算法接触者追踪使传统的接触者追踪过程自动化，从而消除了费力的面谈的需要。临床信息系统和流行病学数据的大容量和多模态性质构成了新技术可以帮助解决的挑战[ 53］．这尤其适用于能够快速评估潜在暴露和风险模式的算法，同时能够更快地通知可疑接触者[ 54］．通过强制使用手机追踪应用程序，积极应用算法接触追踪的国家(如中国和韩国)能够比使用自愿参与方法的国家更有效地减少每日阳性病例[ 55］．虽然尚不清楚控制病例数是否可以直接归因于算法接触者追踪，但使用大数据追踪个人是这些国家应用的大流行控制战略的共性[ 56］．此外，部署算法接触者追踪的实际经验说明了与这些技术相关的道德问题的复杂性，包括需要平衡个人隐私和自主权问题，以及在公共卫生紧急情况期间利用此类数据防止疾病传播[ 8， 56］．

重申一下，接触追踪的目标是识别那些 有过接触从而确定潜在的接触和感染途径。而定义什么可以考虑 联系在COVID-19仍在演变的背景下[ 57]，主动接触追踪算法通常使用物理距离和接触时间[ 58作为近似值。用于算法联系人追踪收集的数据通常采用以下三种形式之一:(1)主动报告的数据(即要求参与者遵守的手动数字签到)[ 59])，(2)主动传感器数据(即使用同一追踪应用程序遇到不同设备的信息)，以及(3)被动传感器数据(即有关设备地理位置的信息)。这些信号通常由使用蓝牙的设备产生，包括低功耗蓝牙;全球定位系统(GPS);及Wi-Fi信号强度资料[ 60］．蓝牙允许主动传感，以亚微米精度传递关于两个传感器接近的信息[ 61， 62］．通过GPS和Wi-Fi的被动传感利用环境数据，在良好的条件下，以相对较高的精度近似设备的地理位置[ 63， 64]，但在次优条件下精度不足[ 65- 67］．基于这些信息，算法接触追踪系统可以重建个人设备何时接近，从而使其能够主动提醒那些被确定为有感染风险的人，一旦确认阳性病例向系统通报。

如前所述，算法接触追踪现在是区块链技术的一个新兴用例。然而，在COVID-19大流行之前，关于这一主题及其在传染病控制中的应用的论文很少，尽管此前曾爆发过其他疾病。这一领域最早的贡献之一是由康柏等人[ 68在刚果民主共和国2018年爆发这种高毒性病毒的背景下，他提出了一个“区块链平台，用于实时追踪埃博拉接触者”。随后，COVID-19大流行引起了人们对这一主题的兴趣，并在医学和工程文献中发表了一些出版物和预印本。从系统的角度来看，区块链在算法联系人跟踪中的主要功能是用于管理联系人数据的防篡改分布式数据存储[ 23， 25， 27， 31- 38］．一个不太明显的功能是数据集成层，它允许在卫生保健环境中的不同行动者之间交换来自不同来源的医疗和公共卫生信息[ 23， 25， 27， 32］．以这种方式交换的数据是经认证的COVID-19诊断数据[ 23， 25， 32]或免疫数据[ 27］．

所提出的算法接触跟踪区块链系统表现为分布式架构，由网络中不同数量的节点组成(参见 图1)．通常，这些系统不采用访问控制，而是授予公众读写权限[ 23， 25， 31， 33- 36， 38］．不常见的情况是，向公众提供读访问权限，但限制写访问权限[ 37]，但其他架构作为私有系统运行[ 27， 32］．在大多数公共系统中，每个节点都存储全网范围内所有数据的副本。在这里，数据可能会根据特定于所使用的协议的格式进行加密和存储。在某些体系结构中，医院或实验室等外部实体访问区块链以获取用于分析的数据[ 37]，可能会将它们与外部电子病历系统所保存的数据相关联。用于节点间数据复制的共识机制很少被讨论。在它们所在的地方，机制的选择要么是根据它们的性能特征[ 25]或实施以权威为基础的共识形式[ 23， 35， 37］．虽然一些提案没有讨论智能合约的作用[ 31， 37， 38，许多人使用智能合约来验证链上的数据[ 23， 32， 34- 36]，主要是为了防止恶意用户在系统中插入捏造的阳性诊断记录[ 23， 32］．

提议的基于区块链的算法接触跟踪系统(见 图1)也通常迎合两种类型的参与者:一种是使用联系人追踪应用程序的受试者，另一种是只使用自我报告数据的情况[ 34， 36]，以数字方式证明阳性病例的医疗专业人员[ 23， 25， 32］．受试者通过移动设备从被动传感器获取环境信号[ 33]，主动传感器发出的接近信号[ 23， 31， 32， 34， 36- 38]，或两者的组合[ 25， 27， 35， 36］．接收到的数据被转换成目标格式存储在区块链上，其细节是协议之间的关键区别。虽然有些协议忽视了信息隐私[ 33]，更常见的是，追踪数据的机密性被认识到，并通过提出被认为可以防止主体隐私受到损害的格式来解决。

以隐私为中心的区块链架构的目标如下:防止对诊断数据的操纵[ 23]，防止冒充卫生当局[ 31]，以保护受感染人士的身分[ 25， 36]，或者，最常见的是，通过从存储数据中推导运动或接触剖面来排除大规模监控[ 25， 31， 32， 34， 35， 37， 38］．为了实现这些目标，提出了各种模型来捕获与接触追踪相关的数据。联系资料通常以使用一次性假名的联系人名单的形式出现[ 23]，化名用户数据与加密位置信息相结合[ 25]、假名或加密诊断[ 31， 32]，或加密的流行病学资料[ 37］．

无论格式如何，联系人数据在用户设备上生成后都会被发送到区块链。这可以通过向公共网络提交交易来实现[ 23， 25， 31， 33- 36， 38]或，特别是在受试者无法直接访问区块链的私人系统的情况下[ 27， 32， 37]，通过可由政府机构操作的上游应用程序编程接口[ 27， 37]或由其他可信赖实体组成的财团[ 32］．然后在节点之间复制数据。在对受试者进行阳性诊断的情况下，有两种可供选择的模式。首先，受试者可以主动透露他们在链条上的积极状态，通常是通过提供某种形式的证明[ 23， 32］．其次，假名诊断可以上传到链[ 31， 33]或由授权诊断医生在链上背书[ 25］．然后，受试者可每隔一段时间查询区块链，以获得基于其以往接触的风险评估[ 32， 38]或接收通知[ 23， 36， 37］．这些拟议系统的总体目的是使分散的网络能够共享与接触追踪工作相关的可信数据，包括自我报告数据和环境信号。然而，围绕数据存储、计算和确保隐私保护处理的措施的参数各不相同，如果实现这些，可以由开发人员进一步调整。