主题 9.2 — 全球与国际数字健康

一句话概括： 本书中的原则能够跨越国界传播，但它们所落地的系统、法律和社会契约却不能——因此你的工作是有意识地向其他卫生系统学习，采纳共享的全球标准，把其他一切都调整到具体情境中，而不是照搬。

为什么这在卫生与照护中至关重要#

数字卫生不是英国的发明，英国也不是它的重心所在。这个领域中最艰难、最具启发性的工作，正在爱沙尼亚、印度、卢旺达、巴西和肯尼亚发生，其程度不亚于在伦敦或利兹。如果你在 NHS、一个整合照护系统，或一个独立法定机构中领导数字交付，只向内看，你就会重新解决别人十年前就解决过的问题，错过那些本可以为你节省数年时间的标准、工具和警示故事。

这不仅仅关乎效率。卫生是一种全球公共物品：病原体、证据、临床指南，以及——越来越多地——运行照护系统的软件都在跨越国界流动。定义着你在本国如何工作的同样的临床安全、公平和公众信任关切，会在数据和技术跨越司法管辖区时以放大的形式重新出现。一个在连接良好的英国城市是安全的远程监测工具，在连接失败的地方部署时可能是不安全的；一个在一个国家的制度下合法的知情同意模式，在另一个国家的制度下可能是非法的；一个在一个人群上训练的算法，可能悄悄伤害另一个人群。

这里还有一种谦逊的责任。英国既向全球卫生学习，也为其做出贡献，这种流动是双向的。中低收入国家（LMIC）开创了以移动为先的照护、社区卫生工作者平台，以及更富裕系统现在正在研究的开源国家基础设施。把国际数字健康当作慈善，或当作一份可以直接提起、放进英格兰的模型菜单，是最快的失败之路。把它当作一门审慎、互惠学习的纪律，正是使本书"国际可迁移原则"这一主张变得诚实、而不是空洞的方式。

核心概念#

全球健康和数字健康。 全球健康（Global health）是研究和实践改善全世界所有人健康、实现健康公平的学科。数字健康（Digital health）是使用信息和通信技术——记录、应用程序、设备、分析和人工智能——来交付和改善照护。这两者的交汇是本主题的主题：数字工具和工作方式如何在财富、法律、基础设施和文化各不相同的卫生系统之间移动，或未能移动。

WHO 全球战略和数字公共物品。 世界卫生组织（World Health Organization）（WHO）发布了一份数字健康全球战略，将数字健康框定为全民医疗（Universal health care）的赋能者——常被称为全民健康覆盖（UHC），即每个人都能在不遭受经济困难的情况下使用他们所需要的服务这一目标。一个核心理念是数字公共物品（Digital public good）：开源软件、开放数据、开放标准和开放内容——有时被称为"全球物品"——任何国家都可以采纳和调整，而不必购买自己无法拥有或负担不起的专有系统。WHO 认可的工具，例如 DHIS2（一个在超过七十个国家使用的卫生信息平台）和 OpenMRS（一个开源病历系统），是典型的例子。

国际互操作性和术语标准。 国界不是通过移动整个系统来跨越的，而是通过共享一种共同的语言。三个标准完成了大部分工作：用于交换结构化临床数据的 HL7 快速医疗互操作性资源（Fast Healthcare Interoperability Resources）（FHIR）；由 SNOMED International 管理的国际临床术语 SNOMED CT；以及 WHO 的ICD-11，即国际疾病分类第十一版，在全世界用于死亡率、发病率和报销编码。这些是共享的词汇，让一份英格兰记录、一份爱沙尼亚记录，和一份 WHO 统计申报意味着同一件事（参见主题 4.3——互操作性与数据标准）。

mHealth 和跨越式发展。 mHealth——移动健康——是通过移动电话交付卫生服务和信息。在许多 LMIC 中，以移动为先的照护不是一种降级，而是主要渠道，它展示了跨越式发展（Leapfrogging）：跳过一代基础设施（在这里，固定线路连接和重纸质的医院 IT），直接迈向更新的技术。对更富裕系统而言的教训不是手机很便宜，而是约束会催生设计——离线优先、低带宽、短信备选——比许多"先进"的替代方案更有韧性。

数据主权和跨境数据流动。 数据主权（Data sovereignty）是数据由收集或存储它的司法管辖区的法律所治理的原则。卫生数据是受控制最严格的类别之一，法律制度截然不同：英国和欧盟《通用数据保护条例》（GDPR）建立在合法依据和数据主体权利之上；美国《健康保险携带和责任法案》（HIPAA）保护一个更窄的"受涵盖实体"集合；欧盟的人工智能法案（Artificial Intelligence Act）和欧盟医疗器械法规（（EU）2017/745 号法规）对作为医疗器械的软件施加了按风险分级的控制。一个在一种制度下合规的工具，在另一种制度下可能是非法的，跨境数据流动需要一个明确的法律转移机制，而不是一个假设。

跨卫生系统学习。 各国运行着你在本国无法运行的自然实验。爱沙尼亚建立了一个全政府数据交换层和近乎普遍的数字记录；印度建立了一套用于身份、支付和卫生的开放数字"堆栈"组件，私营和公共行为者都在其上构建；卢旺达规模化了无人机配送血液和社区卫生平台。每一个都是可迁移经验和不可迁移特殊性的来源——区分这两者，正是本主题所教授的核心技能。

最佳实践#

1. 在发明本地标准之前采纳全球标准。 默认使用 HL7 FHIR、SNOMED CT 和 ICD-11 进行交换、术语和分类，因为这些是使任何未来的国际比较、协作，或供应商更换成为可能的共享语言。你创建的每一个定制本地编码系统，都是你之后将不得不拆除的一堵墙。在存在一个国家配置文件的地方——例如 UK Core FHIR 配置文件——使用它，并贡献回去，而不是悄悄分叉。

2. 偏好数字公共物品和开放标准，而不是专有锁定。 当你采购或构建时，大力为开源、公开规范和独立治理的选项赋予权重，因为它们保留了你拥有、审计和退出的能力。诸如 DHIS2 和 OpenMRS 这样的数字公共物品在国家规模上被证明有效，没有许可租金；即使在你选择一个商业产品的地方，也要坚持要求开放标准和数据可移植性，从而使你永远不会成为人质（关于针对供应商锁定进行设计，参见主题 9.0——与合作伙伴组织协作）。

3. 把向其他系统学习当作一门纪律，配有具名负责人和诚实的转译。 把国际学习当作真正的工作来对待：指派某人研究一个比较系统，理解它为什么在那里有效——它的法律、资金、数字身份和社会信任——把可迁移的原则与本地特殊性区分开来。一次带回"我们应该照搬爱沙尼亚"的考察访问失败了；一次带回"这是爱沙尼亚解决的身份和知情同意问题，这是我们的约束条件不同之处"的考察访问成功了。

4. 绝不照搬一个国家模型。 爱沙尼亚的成功依赖于一个小人口、强制性的国家数字身份，以及历经二十年建立的高信任度解决方案；印度的卫生堆栈依赖于一种特定的公私架构和一个十亿人口的身份系统。提取一个组件、把它扔进英格兰，忽视了使它安全的支架。采纳模式，为你的法律、人口统计学和信任情境重建实现。

5. 在任何数据跨越国界之前绘制法律制度。 在卫生数据离开一个司法管辖区之前，以书面形式确立合法依据、转移机制和控制者关系——不要假设一个在英国合法的流动在转移之后也是合法的。在你跨越 GDPR、HIPAA、欧盟 AI 法案和欧盟医疗器械法规运作的地方，把最严格的适用制度当作你的下限，为你所持有数据的每一个人群记录数据主权是如何被尊重的。

6. 为最严酷的现实条件、而不是为演示而设计。 借鉴 LMIC 离线优先、低带宽和优雅降级的纪律，因为它产出的服务，能在连接失败、旧设备和本国乡村信号盲区中存活下来。一个只在诊所的快速光纤上运作的工具不是有韧性的；当你假设网络会失败时，公平性和临床安全都会改善。

7. 把一切都锚定在公平和全民覆盖上，检查谁被排除在外。 对每一次部署都问，它是缩小还是扩大了差距——在各国之间以及在你自己的人群内部——因为一项服务，如果服务于有连接、有自信的人，而把其他人甩在后面，那是背离全民覆盖，而不是走向它。按群体、而不仅仅是汇总地衡量使用率（这与主题 1.9——数字包容与无障碍性相连接）。

8. 依据最高适用的国际门槛治理 AI 和新兴技术。 在一个人群中训练的算法可能伤害另一个人群，在欧盟 AI 法案和可比框架之下，监管地面正在快速变化。记录训练数据来源，在你自己的人群上进行验证，把治理与你所触及的最严格制度对齐，而不是最宽松的。（参见主题 8.4——AI 与新兴技术治理。）

与团队讨论的问题#

1. 当我们欣赏另一个国家的数字卫生系统时，我们能否准确地说明哪些部分能迁移到我们的情境，哪些依赖于我们不具备的条件？ 这个问题防范了国际学习中最常见、代价最高的错误：把一个具体的实现误认为一项普遍原则。爱沙尼亚近乎无摩擦的数据交换依赖于一个强制性的国家数字身份和一个高信任度的社会解决方案；印度的卫生堆栈依赖于一种特定的公私架构和一个人群规模的身份系统；两者都花了很多年、需要特定的政治条件。你的团队应该能够指明每个系统解决的底层问题——安全的身份、经同意的数据交换、触及偏远人群——然后诚实地描述你的法律制度、资金、人口统计学和公众信任有何不同。这场讨论应该揭示一个借来的模型在这里要安全会需要什么支架，以及那个支架是否现实。一个成熟的答案会把值得采纳的模式与无法迁移的实现区分开来，把"我们应该照搬他们"当作一个危险信号、而不是一份计划。它还会问那个互惠的问题：我们的系统做了什么别人可以从中学习的东西？这会锐化整个练习所要求的那种谦逊。

2. 在任何卫生数据跨越国界之前——包括到一个云区域、一个供应商，或另一个国家的研究伙伴——我们是否知道合法依据、转移机制，以及哪个制度治理它？ 跨境数据流动是好意与硬性法律相遇的地方，失败通常是无声的：数据通过一个云区域或一个供应商的海外支持台移动，却没有任何人建立一个法律转移机制。你的团队应该清楚地区分英国和欧盟 GDPR 世界的合法依据和数据主体权利、保护一个更窄的受涵盖实体集合的美国 HIPAA 模型，以及针对临床软件正在出现的欧盟 AI 法案和医疗器械法规的控制。这场讨论必须具体涵盖数据主权：对你所持有数据的每一个人群，哪个国家的法律治理它，你是否遵守了它？它还应该正视实际的陷阱——一个支持人员在另一个大陆的"全球"SaaS 产品，一个在你的数据上重新训练其模型的 AI 供应商，一次假设法律未授予的互惠性的研究合作。一个有力的答案会把最严格的适用制度当作下限，在数据移动之前就以书面形式记录转移机制，能够指明当一位监管者问起时谁负责。

3. 我们是在为我们所服务的每一个人的连接性、设备和识字水平进行设计，还是只在为演示中那个自信、有连接的用户进行设计？ 世界上许多最具韧性的卫生技术是在约束下建造的——断续的电力、低带宽、共享或基础手机、多种语言——这种纪律产出的服务，也能服务于一个富裕系统内部被排斥的人。你的团队应该审视其设计是否假设了快速连接、现代设备和高数字素养，以及当这些假设失败时患者会发生什么。公平性上的利害关系是直接的：一项只对有良好连接的人有效的服务，扩大了它本应弥合的差距，无论是在各国之间还是在你自己的人群内部，这是背离全民覆盖，而不是走向它。这场对话应该看看离线优先行为、优雅降级、短信或语音备选方案，以及语言和阅读水平的无障碍性，以及使用率是否按群体、而不仅仅是汇总地被衡量。它还应该问你是在借鉴经过验证的 LMIC 设计模式，还是出于一种"这不适合我们"的感觉而忽视它们。一个好的答案能够指出保护最难触及用户的具体设计选择，以及能够及早揭示排斥的指标。

4. 当我们构建或购买时，我们是在选择能够拥有、审计和退出的数字公共物品和开放标准，还是因为它今天方便而悄悄接受专有锁定？ 在一个开放的、独立治理的平台与一个精美的专有平台之间的选择，正是一个系统的长期主权得失的所在，压力几乎总是流向封闭选项，因为它演示起来更好、现在对你的要求更少。你的团队应该能够说出为什么它在一次具体的近期决定中为开源、公开规范和可移植的选项赋予了权重——或诚实地承认它没有。诸如 DHIS2 和 OpenMRS 这样的数字公共物品在国家规模上被证明有效，没有许可租金，但它们要求内部能力和一份维护承诺，而一份商业合同看似消除了这些；这个取舍是真实的，应该被论证，而不是被假设不存在。这场讨论还必须具体涵盖退出：如果这个供应商在三年内价格翻倍，或退出市场，你能否移动你的数据和你的服务，你是否测试过这个主张，而不是相信一条合同条款？一个成熟的答案会把数据可移植性和一份有文档记录的退出方案当作不可谈判的事项，即使所选的产品是商业性的，它能够指明机构需要建造或资助什么才能使开放选项可行。

5. 我们是在把较低收入的伙伴当作经过验证设计的来源和真正的合作者，还是当作我们慈善的接受者——我们能清楚地说出我们贡献了什么回去吗？ 国际数字健康承载着一种持续的权力不对称，慈善框定——一个富裕系统通过捐赠技术来"帮助"一个 LMIC——既是居高临下的，也是一条可靠的失败之路，因为它忽视了以移动为先的照护、社区卫生工作者平台和开源国家基础设施，常常正是在这些系统中首创的。你的团队应该审视一段真实的或提议中的伙伴关系，问谁拥有这个结果、谁维护它，以及学习的流动是否真正双向进行。这些张力是具体的：一个变成无资助依赖的捐赠平台、一次从一个伙伴人群中提取数据或验证却没有互惠收益的"合作"、一次带走经验却没有提供任何回报的考察访问。它还应该正视本主题所要求的互惠谦逊——你自己的系统做了什么别人可以从中学习的东西，你是否像期望他们与你分享一样公开地分享它？一个诚实的答案能够指出共同所有权安排、对共享开放核心的贡献，以及一段即使资金方向反转也仍然说得通的伙伴关系。

6. 对于我们部署的任何算法或 AI 模型，我们能否展示它是在它将真正服务的人群上被验证的，依据我们所触及的最严格、而不是最宽松的制度被治理？ 一个在一个人群上训练和验证的模型，可能悄悄伤害另一个人群，国际数字健康放大了这个风险，因为工具、训练数据和供应商跨越国界的速度，比它们安全性的证据要快。你的团队应该能够区分一个模型的来源——它的训练数据来自哪里、它是针对哪个人群被验证的——与它现在被要求服务的那个人群，把任何缺口当作一项实时的临床安全关切、而不是一个文书细节来对待。监管地面正在快速且不均匀地变化：欧盟 AI 法案对高风险临床软件施加了按风险分级的控制，欧盟医疗器械法规把许多算法当作作为医疗器械的软件来对待，英国法律在某些地方更宽松，这产生了依据你能够辩护的最宽松制度进行治理的诱惑。这场讨论应该揭示谁对重新验证负责，模型更新和供应商重新训练是如何被控制的，以及机构是否根本记录了训练数据的来源。一个有力的答案会在部署之前对本地人群进行重新验证，把治理与最高适用的国际门槛对齐以保持选项开放，并能够毫无尴尬地向一位监管者解释那个选择。

实践中：一个卫生与照护案例#

一个虚构的英国独立法定机构，"国家远程监测服务"，被要求为长期病症的居家监测采购一个平台，并有一个选项，与两个伙伴国家的卫生部合作一个共享开源核心——一个是高收入的欧盟邻国，一个是正在规模化社区卫生工作者的 LMIC。

诱惑是购买一个精美的商业平台，把国际角度当作一种外交客套。团队抵制了这一点。它从标准出发：任何平台都必须以 HL7 FHIR 交换数据，用 SNOMED CT 编码观察结果，按 ICD-11 分类病症，从而使数据在所有三个国家中意味着同一件事，服务不会被锁定给一个供应商。它把一个数字公共物品核心（一个源自 OpenMRS 的堆栈）与两个商业选项一起列入候选名单，对每一个在数据可移植性和退出方面的评分，与在功能方面同等重要。

在法律方面，团队在一字节数据移动之前就绘制了制度。英格兰患者的数据保留在英国 GDPR 之下、在一个英国云区域内；欧盟伙伴的合作在欧盟 GDPR 之下运行，配有一个有文档记录的转移机制；根本没有个人数据流向或来自 LMIC 伙伴——只有去标识化的汇总指标和开源代码本身，它是一项数字公共物品，不带任何主权风险。监测算法被当作作为医疗器械的软件，针对英格兰人群单独验证，因为一个在别处调优的模型不能被假设在这里是安全的；其治理与欧盟 AI 法案的高风险期望对齐，即使在英国法律更宽松的地方，以保持选项开放。

这个设计借鉴了 LMIC 伙伴，而不是对其说教。那里的社区卫生工作者平台是离线优先的、配有短信备选方案，英格兰服务采纳了同样的模式——事实证明这对乡村信号盲区和居家老年患者很重要。十八个月后，共享的开源核心被共同维护，每个国家运行自己合法的部署，没有任何伙伴整体照搬另一个的模型。英格兰团队能够向一位监管者准确展示哪些数据处于哪种法律之下，LMIC 卫生部拥有一个共同所有的平台，而不是一个被捐赠的依赖。

行业视角#

初创企业#

一家数字健康初创企业常常在准备好应对国际市场所携带的法律复杂性之前就已经触及它们。好处是真实的——全球标准意味着一个原生支持 FHIR、SNOMED 编码的产品原则上能在任何地方销售——但每一个新国家都带来了不同的制度（GDPR、HIPAA、欧盟 AI 法案、国家医疗器械规则）和不同的数据主权期望。为你有可能进入的最严格制度而构建，从设计上把个人数据留在区域内，把数字公共物品兼容性当作一种市场优势，而不是一种威胁。跨越式进入 LMIC 市场的创始人应该真诚地合作、诚实地本地化，因为一个空降进来、没有本地所有权的工具，很少能在接触真实基础设施后存活。

小型企业#

一家成熟的小型服务提供者——一家全科诊所、一家社区药房、一家养老院、一家单点诊所，或一家已过初创阶段的小型健康科技供应商——承担着与一个国家机构相同的跨境和标准责任，却只有满足它们所需能力的一小部分。它很少有专职的 IT 或信息治理人员，但它可能仍在使用一个数据位于另一个司法管辖区的云托管产品，或一个建立在别处验证的模型之上的诊断工具。实际的保护是依靠标准和"最严格制度作为下限"这项纪律，而不是从零开始为每个案例推理：在签约之前要求供应商展示 FHIR 和 SNOMED CT 支持、区域内数据驻留，以及一个有文档记录的合法依据，把数据可移植性当作一个生存问题，因为你负担不起被锁定在一个失败的供应商身上。借用经过验证的离线优先、低带宽模式，在这里往往比追逐精美的企业级产品更合适，因为当网络掉线、无人可打电话求助时，韧性比功能更重要。在一个国家配置文件或一个数字公共物品已经存在的地方，采纳它，而不是委托任何你永远无法维护的定制方案。

大型机构#

一个大型 NHS 机构、整合照护系统，或跨国供应商，有规模来塑造标准、而不仅仅是遵循它们，也有负责任地这样做的义务。大型机构的风险是一次全球采购悄悄地在各司法管辖区之间集中数据，产生数年后才在一位监管者的桌面上浮现的主权和锁定问题。在每一份合同中强制要求开放标准和数据可移植性，坚持要求清晰的区域内数据驻留，利用你的采购权重来加强数字公共物品生态系统，而不是使其资源匮乏。当你向其他系统学习时，妥善地为学习配备资源——带有具名负责人和诚实写作的考察访问——而不是收集轶事。

政府#

一个国家或超国家机构设定了其他所有人在其中工作的规则，因此它关于标准、主权和开放性的选择会回响达十年之久。政府应该强制要求国际标准（FHIR、SNOMED CT、ICD-11），把投资和贡献于数字公共物品当作一件关乎韧性和价值的事，为跨境数据和 AI 立法制定清晰、可行的制度，而不是把它们留给逐案谈判。他们还持有外交角色：与 WHO 数字健康全球战略对齐，把 LMIC 系统支持为伙伴、而不是接受者，把全民健康覆盖推进为一个共享目标。问责是公开且国际性的，因此决策必须透明且站得住脚，而不仅仅是权宜之计。（参见主题 9.1——与地方和国家政府合作。）

常见失败模式#

• 照搬。 复制另一个国家的模型，却没有其法律、身份和信任支架。纠正：采纳模式，为你的情境重建实现。
• 发明本地标准。 构建定制编码系统，而不是使用 FHIR、SNOMED CT 和 ICD-11。纠正：首先采纳全球标准，在存在的地方使用国家配置文件。
• 无声的跨境数据泄漏。 数据通过海外云区域或支持台移动，没有转移机制。纠正：在任何数据移动之前绘制制度，记录合法依据。
• 打扮成便利的专有锁定。 购买一个你无法拥有、审计，或退出的封闭平台。纠正：为数字公共物品赋予权重，强制要求数据可移植性。
• 对 LMIC 工作的慈善框定。 把较低收入的伙伴当作接受者、而不是经过验证设计的来源。纠正：互惠地合作，采纳他们有韧性的离线优先模式。
• 假设一个算法能够迁移。 部署一个在另一个人群上验证的模型。纠正：在你自己的人群上重新验证，依据最严格的适用制度治理。
• 只为演示而设计。 假设快速连接、现代设备和高识字水平。纠正：以优雅降级进行离线优先设计，按群体衡量使用率。

成熟度模型#

检查清单#

• 交换、术语和分类使用 HL7 FHIR、SNOMED CT 和 ICD-11，在存在的地方使用国家配置文件。
• 数字公共物品和开放标准选项在建造或购买决策中被大力赋予权重。
• 每一份产品和供应商合同都保证数据可移植性和一份有文档记录的退出方案。
• 在任何卫生数据跨越国界之前，合法依据、数据驻留和转移机制被记录。
• 适用的制度（英国/欧盟 GDPR、HIPAA、欧盟 AI 法案、欧盟医疗器械法规）已被识别，最严格的被当作下限。
• 任何 AI 模型都在你自己的人群上被验证，依据最高适用的国际门槛被治理。
• 国际学习有一位具名负责人，把可迁移的原则与不可迁移的特殊性分开。
• 没有任何国家模型被整体复制，而没有为本地情境重建其实现。
• 服务优雅地降级——离线优先、低带宽、备选渠道——以应对最严酷的现实条件。
• 使用率和成果按群体被衡量，以检测排斥，服务于全民覆盖和公平性。

关键资料来源#

• World Health Organization ——《2020–2025 年数字健康全球战略》（who.int）。
• World Health Organization ——《数字健康干预分类》和 ICD-11（who.int）。
• Digital Public Goods Alliance ——《DPG 标准》和登记册（digitalpublicgoods.net）。
• HL7 International ——《FHIR 规范》（hl7.org/fhir）；SNOMED International —— SNOMED CT（snomed.org）。
• 爱沙尼亚 —— e-Estonia 和 X-Road / Nordic Institute for Interoperability Solutions（e-estonia.com；niis.org）。
• Ministry of Health & Family Welfare / National Health Authority（印度）——《Ayushman Bharat 数字使命》（abdm.gov.in）。
• European Commission —— 关于医疗器械的（EU）2017/745 号法规；（EU）2024/1689 号法规（人工智能法案）。
• Information Commissioner's Office —— UK GDPR 下的国际转移指导（ico.org.uk）。
• The Lancet & Financial Times Commission ——《治理 2030 年卫生未来》（thelancet.com）。

参考文献#

1. Global health — Wikipedia — https://en.wikipedia.org/wiki/Global_health
2. Digital health — Wikipedia — https://en.wikipedia.org/wiki/Digital_health
3. World Health Organization — Wikipedia — https://en.wikipedia.org/wiki/World_Health_Organization
4. Digital public goods — Wikipedia — https://en.wikipedia.org/wiki/Digital_public_goods
5. Universal health care — Wikipedia — https://en.wikipedia.org/wiki/Universal_health_care
6. Fast Healthcare Interoperability Resources (FHIR) — Wikipedia — https://en.wikipedia.org/wiki/Fast_Healthcare_Interoperability_Resources
7. SNOMED CT — Wikipedia — https://en.wikipedia.org/wiki/SNOMED_CT
8. ICD-11 — Wikipedia — https://en.wikipedia.org/wiki/ICD-11
9. mHealth — Wikipedia — https://en.wikipedia.org/wiki/MHealth
10. Leapfrogging — Wikipedia — https://en.wikipedia.org/wiki/Leapfrogging
11. Data sovereignty — Wikipedia — https://en.wikipedia.org/wiki/Data_sovereignty
12. Artificial Intelligence Act — Wikipedia — https://en.wikipedia.org/wiki/Artificial_Intelligence_Act
13. Regulation (EU) 2017/745 (EU Medical Device Regulation) — Wikipedia — https://en.wikipedia.org/wiki/Regulation_(EU)_2017/745
14. Health Insurance Portability and Accountability Act (HIPAA) — Wikipedia — https://en.wikipedia.org/wiki/Health_Insurance_Portability_and_Accountability_Act
15. General Data Protection Regulation — Wikipedia — https://en.wikipedia.org/wiki/General_Data_Protection_Regulation
16. Global Strategy on Digital Health 2020–2025 — World Health Organization — https://www.who.int/publications/i/item/9789240020924
17. The DPG Standard — Digital Public Goods Alliance — https://www.digitalpublicgoods.net/standard
18. Ayushman Bharat Digital Mission — National Health Authority, Government of India — https://abdm.gov.in/