医疗数据资源近几年一直呈爆炸式增长,安全有效地挖掘学习医疗大数据中蕴含潜在巨大价值,对于提高医学研究水平和临床服务质量具有重要意义。在现实中,医疗数据往往掌握在不同的组织机构,同时,这些信息包含着许多涉及患者个人隐私的敏感信息,这对传统机器学习使用物理分布孤岛的医学大数据带来了巨大挑战。针对这一问题,本文开展基于区块链的可信分布式医疗数据学习平台研究,在保证数据安全、保护数据所有权和敏感信息隐私的前提之下,充分利用物理分布数据孤岛的医疗数据进行机器学习模型的学习与训练,形成互利共赢的学习模式。具体主要工作包括:首先,为解决跨机构间信任问题,研究了跨机构训练医疗数据的平台系统,基于超级账本的身份管理和权限控制机制,研究了用于验证共享数据医疗机构身份的解决方案,采取加密和证书验证机制,防范恶意节点加入网络。其次,在医疗数据分布式训练的隐私安全方面,研究了信息证明共识算法,允许各数据拥有方在每一轮的迭代训练中,通过发起携带相应标志位的交易,选出拥有机器学习模型更新权的节点。只加密上传迭代训练的参数,不交易模型训练使用的本地数据,在满足预设精度或迭代次数阈值时,获取最终共识模型。此外,在信息溯源和模型可信方面,设计了链码逻辑,将符合设定条件的操作信息自动写入分布式共识账本,使得每一步关键操作都抗否认可追溯。最后,实现了完整的分布式医疗数据机器学习平台系统,并且对医疗机构注册、分布式医疗数据机器学习模型训练、相关信息上链等功能进行测试,通过实验,验证比对单独使用本地数据训练和使用信息证明算法训练时的得分,实验结果表明本文提出的基于区块链的可信分布式医疗数据学习平台系统的有效性和可用性。