Google Cloud 与 MLCommons 合作，通过 MedPerf 项目解决医疗 AI 模型评估中的隐私矛盾：模型需在多样化真实数据上验证，但患者数据不能泄露。MedPerf 是一个开源基准测试平台，2023年由 MLCommons 发起，最初用联邦评估推进临床研究。

合作的核心机制是 Google Cloud Confidential Space——一种硬件隔离的可信执行环境（TEE）。模型和患者数据在 CPU 和 GPU 上均被加密：CPU 侧用 Intel TDX，GPU 侧用 NVIDIA 机密计算（运行在 A3 系列机器搭配 H100 GPU）。在患者数据进入工作负载前，系统会提供密码学证明，确保只有被批准的代码运行在真实的机密计算硬件上，且环境已硬化。各方（医院、研究者、Google）都无法看到模型代码或患者数据。

该技术已在 Federated Tumor Segmentation (FeTS) 脑肿瘤研究 中落地。由于胶质母细胞瘤等脑肿瘤罕见，单家医院数据不足，且模型在不同医院间的表现差异大——例如，一个模型在某个站点准确率 95%，而在另一个站点仅 63%。通过 MedPerf on Google Cloud，研究人员能在全球范围内对私有脑 MRI 数据验证模型，提前识别性能差距。

项目负责人强调，这种设计让临床医生、研究者和监管机构都能信任用于评估的基准，在不牺牲隐私、知识产权或基准完整性的前提下实现严谨测试。目前该平台已开放给研究机构和医疗模型开发者，可通过 [email protected] 或 Google Cloud 客户团队联系。