四个原语

在《三个失败，同一个缺口》里我论证：医疗 AI 的三个顽疾有同一个形状——都需要一层治理协议，而这层在应用、法规、平台、标准里都找不到。这篇说清楚这层得提供什么。

四个原语扛得住。

内容寻址的健康资产。可编程同意。哈希链溯源。质量加权贡献。每个针对上篇说的一个具体失败，每个排除了一个看起来差不多但其实不行的替代方案。

我不是说这四个一定是最小集——设计空间不接受那种证明。我说的是：每个都站得住，它们自然地聚在一起，任何诚实的治理协议都绕不开它们回答的四个问题。

规定，不是比划#

"同意和审计"——每个患者数据方案都这么说。这话对，也没用。严格到能真的排除上篇说的那些失败模式的东西，得在数据结构和算法层面规定，不是在口号层面。

一个原语要在这里算数，得做三件事：

1. 针对一个具体的失败模式，不定义它这个失败模式也不会消失。（如果"同意"能被"患者签了表格"替代，那表格才是原语，不是"同意"这个词。）
2. 排除看起来差不多但保证不一样的替代方案。（签过名的同意记录和哈希链上的同意记录不一样，虽然两者都涉及签名。）
3. 跟其他原语组合时没有循环依赖。（溯源不能是验证自己完整性的东西。）

下面四个原语每个都过这个门槛。每节说清楚它针对什么失败、显而易见的替代方案为什么不行、去掉它会坏什么。

健康资产 (Health Asset)#

针对的失败：碎片化。

上篇说的碎片化：电子病历存一部分，app 存一部分，研究数据集是固定快照。治理协议要跨这些都有意义，得有办法指向一条具体的临床数据，让各方都认这是同一条——可验证地，跨越互不信任的系统。

健康资产就是干这个的。HAVEN 白皮书 §6.1¹：

HealthAsset := {
    asset_id        : ContentHash      // 从内容派生
    data_ref        : SecureReference  // 指向临床数据
    substrate       : Identifier       // 数据格式（FHIR、OMOP 等）
    consent_ref     : ConsentID        // 当前生效的同意策略
    quality_class   : {A, B, C, D}     // 数据质量等级
    provenance_ref  : ProvenanceID     // 审计链引用
    patient_ref     : PatientID        // 数据的主人
    created_at      : Timestamp
}

asset_id 是内容的 SHA-256 哈希。底层数据改一个字节，哈希就变，asset_id 就对不上了。指针自带完整性校验。Git 对 commit 用的就是这个技巧²。

显而易见的替代方案：给每条记录发个 UUID。

UUID 在一个系统内好使。出了边界就不行。两个管理员能给不同的记录发同一个 UUID，也能给同一条记录发不同的 UUID。对账变成一个一个管理员去协调的问题。内容寻址直接消解了这个：内容一样，哈希就一样，在哪都一样。不需要注册处，不需要对账³。

去掉这个原语会坏什么： 协议失去"两个系统在说同一条记录"的依据。每个审计变成"信我，这是同一条"。每个同意的覆盖范围变得模糊。上篇说的碎片化失败修不了。

内容寻址不是新东西。Git 从 2005 年就在用。IPFS 给通用数据实现了它。RFC 6920 给 URI 规定了它⁴。HAVEN 的选择是把它专门用在医疗记录上，格式无关——同一个健康资产能包一个 FHIR 资源、一个 OMOP 测量值、一个原始文档引用。

同意 (Consent)#

针对的失败：患者没有角色。

四个原语里三个直接对应上篇的一个失败。这个不是——同意是其他三个有意义的前提。它把患者从数据来源变成协议的参与者。没有它，治理无从谈起。

患者的记录散在几十个地方。每个管理员决定分享什么、跟谁分享、为什么分享。患者签个表——往往是在没什么选择的情况下——然后这张表被各个应用各自解读。撤销是给档案室打电话。审计是交信息公开申请。这种"同意"是纸上的遗物，不是机器能验证的命题。

HAVEN 的同意协议把它变成后者。白皮书 §6.2¹：

ConsentAttestation := {
    consent_id      : UUID
    grantor         : PatientIdentity   // 谁授权
    grantee         : AccessorIdentity  // 谁被授权
    scope           : DataScope         // 什么数据
    purpose         : PurposeType       // 为什么
    conditions      : Conditions[]      // 什么条件下
    ...
    status          : {active, revoked, expired}
    signature       : CryptoSignature
}

三个属性让这个原语跟现有实践不同：

封闭世界语义。 没明确授权的资源类型，答案就是不行。沉默等于拒绝。现有的同意体制默认允许一切没明确禁止的；HAVEN 反过来。

确定性验证。 同样的输入，同样的答案，每次都是。没有随机性，没有"看情况"。这是让同意变成机器能验的而不是人能解读的东西。

立即撤销。 revoke() 之后的下一个 verify() 返回拒绝。不是"下次同步之后"，不是"24 小时内"。立即。

伦理基础不是新的。纽伦堡法典（1947）⁵确立了自愿同意是医学研究的底线。贝尔蒙特报告（1979）⁶为现代实践编纂了这个原则。新的是让原则可执行——把 40 页的表格变成函数。

显而易见的替代方案：签过名的同意表（数字的或纸的）。

签过的表证明同意发生过。它不证明同意允许什么，不跟审计追踪组合，不带撤销状态。两个系统共享同一张签过的表会对它的范围做出不同解读。表是证据；原语得是函数。

关于身份。 同意授权引用两方——授权者和被授权者。两方都得是可验证的身份，同意才有意义。HAVEN 故意不定义身份怎么建立："怎么验证患者是他们说的那个人，由你决定"⁷。协议从已有的系统（OIDC、DID、电子病历身份验证⁸）消费身份，在那上面跑。身份验证是它自己的深水区；在治理协议里重新发明它是坏赌注。

去掉这个原语会坏什么： 数据流动没有治理。不管数据层多干净，主权失败修不了。

溯源 (Provenance)#

针对的失败：审计缺失。

审计日志放在被审计系统里面，只有管理员能审。别人不能。MyChart 记录了你的病历访问，你得找 MyChart 要日志。日志要是错的，你得找 MyChart 证明它没错。这不是审计。这是管理员的自证，打印出来给你。

溯源记录通过让日志在结构上防篡改来修这个。白皮书 §6.3¹：

ProvenanceEntry := {
    entry_id        : UUID
    timestamp       : Timestamp
    event_type      : EventType
    actor           : Identity
    subject         : AssetRef | ConsentRef
    details         : EventData
    previous_hash   : Hash          // 链接
    signature       : CryptoSignature
}

每条包含前一条的哈希。篡改历史会断链——改动会往后传，被篡改条目之后的每一条都作废。每条都用 Ed25519 或 ECDSA 签名，绑定到具体的参与者。验证是 O(log n)，靠 Merkle 证明⁹：不用重放整条链就能验单条。

这跟证书透明度用在公共网络证书日志上的构造一样¹⁰。在 CT 之前，Haber 和 Stornetta 1991 年就提出了¹¹——比比特币早十七年。技术是成熟的。新的是把它用在临床数据访问上。

显而易见的替代方案：签了名但可变的审计日志。

光有签名不够。拥有日志的管理员可以用同一把密钥重新签一份改过的版本，没有原版的人看不出来。链接才是让篡改露馅的东西。没有链接，"审计"还是客气话。

去掉这个原语会坏什么： 患者没有依据验证任何关于自己记录发生了什么的说法。同意在野外不可执行，因为撤销在事后无法验证。上篇说的审计缺失修不了。

贡献 (Contribution)#

针对的失败：激励错位。

患者出数据，研究者用数据，结果谁都没直接拿到。要对齐，协议需要一个记账原语——能把"Alice 向研究 X 贡献了记录"变成一个可追踪、可归因、最终可支付的带权重的数量。

白皮书 §6.4¹：

Contribution := {
    patient_id      : PatientIdentity
    asset_refs      : AssetRef[]
    quality_score   : Float[0, 1]
    tier            : ContributionTier
    context         : UsageContext
    timestamp       : Timestamp
}

分数遵循透明公式：Value = TierWeight × QualityScore × VolumeNorm。层级从 PROFILE（人口统计）到 STRUCTURED（化验、用药、诊断）到 LONGITUDINAL（多年记录）到 COMPLEX（笔记、影像、基因组）。质量由三门协议决定——溯源有效、结构完整、概念映射——输出 0 到 1 的分数和 A 到 D 的等级。

分数不是美元。是相对权重。Alice 得 0.83，Bob 得 0.41，Alice 对那个研究的贡献大概是 Bob 的两倍。换算成钱是实施系统、患者、商业模式之间的事。HAVEN 提供记账，不提供支付轨道。

显而易见的替代方案 #1：平均分数据红利。

Datacoup / Datawallet / LunaDNA 模式——每个贡献者分一样多。碰到现实就塌。贡献了一条人口统计的患者和贡献了十年多系统化验的患者拿一样。研究者不信队列，因为没法按质量加权。大贡献者和小贡献者一样。两头都失败¹²。

显而易见的替代方案 #2：纯临床权重，不管质量。

跳过质量门槛，只按临床内容加权。理论上行，实践中塌——临床内容质量差异巨大。概念映射覆盖 95% 的 LONGITUDINAL 记录和覆盖 30% 的是不同的研究素材。没有质量门槛，"价值"变成垃圾进垃圾出。

三门质量协议存在，是因为之前每次患者数据市场的尝试都在这两种方式之一上塌了。历史证据就在那。

去掉这个原语会坏什么： 价值淤在管理员那里，不在患者那里。激励错位修不了。协议变成又一层同意加审计，对研究价值流向哪没有诚实的记账。

Data Shapley 和相关归因方法¹³显示更精细的数学是可能的。三层质量加权公式是 HAVEN 的刻意底线——够简单能算，够难能守，刻意对更丰富的归因方案向上开放。

为什么是这四个#

每个原语回答治理协议绕不开的一个问题：

去掉任何一个，协议就不是协议了。去掉健康资产，同意没有稳定的东西可授权。去掉同意，溯源没有东西可审。去掉溯源，整个系统靠信任跑。去掉贡献，系统没有患者参与的诚实理由。

四个自然地聚在一起，因为每个回答的是其他三个回答不了的那类问题。它们不是同一主题的变奏。不是同一个底层概念的不同面。是治理协议要成为上篇说的缺失层就必须提供的四个不同功能。

这是工作集。能证明其中一个可以归约到另一个的读者、或者能指出一个自然的第五个的读者，可以写信来。这个系列经得起压力测试会更好。

这个论证证明不了的#

三个值得说的局限。

身份在协议边界之外。 HAVEN 的立场是身份验证发生在协议外面，在已有的系统里。这是刻意的边界。也意味着协议继承它依赖的身份层的所有弱点。弱的身份绑定产出弱的同意；HAVEN 不修上游问题，只是选择不让它更糟。

结算在下游。 把归因分数变成实际支付——给患者、给研究基金、给实施系统选择的任何模式——是应用层的事，不是协议原语。HAVEN 给你记账。拿记账做什么由你设计。

"自然聚在一起"是判断。 这四个原语每个都是必要的这个论证，不排除某个别的四个（或五个）能通过不同的分解做同样的事。设计空间不接受那种证明，上篇已经承认了。可守的主张是针对我们说的那些失败的必要性。普遍最小性是另一个问题。

接下来#

规定四个原语没有消解上篇说的每一个问题。有两个在规定过程中冒出来成了单独的工作——不是因为原语错了，是因为每个碰到了密码学原语覆盖不了的验证体系。其中一个完全在另一套认识论里。

下一篇讲这两个缺口中的第一个。