删掉原始数据不等于删掉推断：欧盟伦理小组为什么要求给神经数据单独立法级保护

一句话看懂：9月8日，欧洲科学与新技术伦理小组（EGE）发布声明《治理神经AI：走向基础设施方法》，核心主张一句话——神经数据的治理焦点该换了：从"管好单台设备和隐私条款"，转向"管好神经数据被采集、处理、复用的整个基础设施"。五项建议里最值得技术团队记住的一条：神经数据的衍生推断（embeddings、评分、下游标签）可能比原始数据更敏感，删掉原始数据不等于删掉推断。

一、EGE这份声明想解决什么问题

先交代背景。EGE（European Group on Ethics in Science and New Technologies）是欧盟委员会的官方伦理咨询机构，这份声明是其伦理咨询机制（EthAM）框架下的产物，属于欧盟政策议程的"上游输入"——不直接立法，但为后续立法划重点。

它针对的背景是：**神经技术与AI正在加速融合。**脑电、近红外、植入电极等神经数据采集技术越来越普及，而采集到的神经数据正被用于训练和喂给跨场景的AI模型。这在医疗（神经疾病诊疗）、康复（脑机接口）和科研上前景巨大，但也带来一个此前框架没覆盖的问题：

传统的数据保护逻辑是围绕"设备"和"单次采集"设计的——知情同意、目的限定、数据最小化，都以"一次采集、一个用途"为单位。但AI时代的数据生命是流动和复用的：一段为癫痫监测采集的脑电，可能成为情绪识别模型的训练素材，再变成消费信贷风控的输入特征。风险不再发生在"采集那一刻"，而是发生在整条数据链路上。

这就是"基础设施方法"（infrastructure approach）的含义：治理对象从设备升级为网络。

二、范式转移：从"设备+隐私"到"基础设施治理"

用一组对比说明这个转移：

维度	旧范式（设备+隐私）	新范式（基础设施治理）
治理对象	单台采集设备、单次采集行为	数据采集-处理-复用的全链路基础设施
风险认定	采集时的知情同意	跨场景复用与集体性影响
保护单位	个体数据点	个体推断+群体层面影响
时间尺度	采集当刻	数据整个生命周期及其下游衍生

表里最关键的是第三行：EGE明确把集体性影响（collective implications）纳入治理视野——神经数据的大规模聚合可以推断出群体层面的情绪、健康乃至行为规律，这种风险不属于任何一个"个体同意"能覆盖的范畴。

三、五项建议逐条拆

声明的五项核心建议，逐条过一遍：

**建议一：给神经数据及衍生推断独立敏感类别地位。**在欧盟数据保护法（GDPR框架）下，将神经数据及其衍生推断定义为独立的敏感数据类别，强化保护。这是整份声明的锚点——目前神经数据多按一般健康数据处理，EGE认为不够。

**建议二：为脑基础模型（Brain Foundation Models）建立专门治理要求。**大规模神经数据训练出的基础模型（类似CRISP之于病理、脑版的大模型）需要自己的治理规则——训练数据来源、下游用途、能力边界的透明度。

**建议三：后果性场景（consequential contexts）的防护。**当神经数据及衍生推断被用于 consequential 场景（就业、教育、司法、保险等影响个人重大权益的场景）时，防止个人受到"不成比例的控制"（disproportionate control）。

**建议四：建设公共利益导向的治理能力。**欧洲需要公共利益导向的神经AI基础设施治理能力——这背后是技术主权考量：基础设施由谁建、按什么规则运行。

**建议五：监管框架适配评估（fitness check）。**对欧盟现行监管框架做针对性评估，看哪些规则需要为神经AI修订。

五条合起来读，政策路径很清晰：先定性（建议一）、再管模型（建议二）、再管应用（建议三）、同步建能力（建议四）、最后修法（建议五）。

四、最值得注意的细节：衍生推断比原始数据更敏感

对做医疗AI数据工程的团队来说，全篇最有行动价值的是这个判断："衍生推断可能比原始神经数据更敏感。"

展开讲。一段原始脑电数据，脱离了采集语境和解析模型，信息含量有限。但经过模型加工后产生的衍生推断——

• 嵌入向量（embeddings）：压缩了个体神经特征的数学表示，可跨任务复用；
• 评分与标签：情绪状态、认知负荷、疾病风险评分，可直接进入决策；
• 下游模型权重：用个体神经数据微调过的模型本身，就"记住"了这个人的神经特征。

这三类衍生物的敏感性在于：**它们脱离了原始数据的"可删除性"。**用户行使删除权，删掉的是原始脑电记录；但 embedding 已经进了向量库、评分已经写进了决策日志、微调过的模型权重已经"吸收"了这份数据——删除原始数据，推断还活着。

这直接击穿了现有数据保护体系的一个默认假设："删源=删影响"。EGE这份声明是欧洲官方咨询机构第一次系统性地把这个问题摆上政策桌面。

五、对医疗AI团队的影响与合规建议

神经AI听着远，但适用范围比想象中宽：EEG类设备、术中神经监测、精神科数字疗法、睡眠监测、康复脑机接口——医疗领域其实是神经数据最大的采集场景。给数据团队四点落地建议：

**第一，把衍生推断纳入数据资产清单。**盘点的不只是原始数据，还有 embeddings 库、特征存储（feature store）、评分表、微调模型权重——它们全部在"神经数据衍生推断"的射程内。

**第二，为推断设计独立的保留与删除策略。**原始数据可按最小化原则设保留期，但推断产物需要单独的生命周期策略：哪些 embedding 库必须在源数据删除后同步失效？微调模型是否需要"可遗忘"机制？现在就要在架构层面留出这些钩子。

**第三，跨场景复用要有二次治理评审。**临床采集的神经数据流向科研模型、再流向任何非医疗场景，每一次复用都该过一次治理评审——"基础设施方法"落到企业内部，就是链路治理而不是节点治理。

**第四，关注fitness check的进展节奏。**建议五的监管适配评估一旦启动，欧盟大概率在3-5年内出台神经数据的专门规则。做神经方向产品出海的团队，现在按"独立敏感类别"的标准自建合规基线，比将来被动改造便宜得多。

**数据治理的下一个战场，不是"采集了多少数据"，而是"数据离开之后变成了什么"。**EGE这份声明，就是这个战场的开场哨。

---

原文链接：European Commission: Experts call for a new approach to Neuro-AI governance

千方医数集编辑部 出品