医疗大模型训练数据，除了脱敏之外，至少还要做下面的工作
1、完整的医疗数据，即便做了基础的去标识化工作，也很容易反向推断定位到某个个体，所以要进一步加强：泛化（32岁改为30~40岁）、模糊、并引入噪声
2、医生不是神，并非所有的诊断都是对的、并非所有治疗方案都是最佳的，不合适的数据剔除很难
3、医疗数据的归属权有争议（极端一些，比如一个人在一家医疗机构做了全基因测序，测序结果是这家医疗机构的吗），需要获取患者授权，最好能给予收益分成
4、医学伦理、社会道德、大众接受程度这些问题，要考虑在前面
5、医疗数据在部分国家地区是不允许高度集中的，分散在各机构服务器中（医院、体检机构、公卫机构），所以要数据不动模型动，采用类似联邦学习的技术