全同態加密一直是多方計算的競爭對手，人們也一直對這兩種技術進行比較。目前最新全同態加密方案被證實比多方計算快30倍。隱私增強技術（PET）的頭部公司Duality Technologies宣佈在PNAS（美國國家科學院院刊）上發表了一篇文章。該論文由Shafi Goldwasser教授，Marcelo Blatt博士和Duality 公司的Yuriy Polyakov博士，以及Dana-Farber癌症研究所和哈佛醫學院的Alexander Gusev博士合著，提出了一種利用同態加密的解決方案。對超過25,000個個體的資料集的加密遺傳和表型資料進行大規模的全基因組關聯研究(Genome-Wide Association Studies)，其結果比基於多方計算的最新技術方法快30倍（Cho等人在2018 NatBiotechnol提出）。這項工作部分得到了美國國立衛生研究院（NIH）國家人類基因組研究所的資助。全基因組關聯研究旨在鑑定與特定性狀相關的遺傳變異，並且對於理解複雜疾病至關重要。但是，它們依賴於個人級別的高度敏感的基因組變異資料，這些資料通常受到隱私法規的保護,很難收集此類研究所需的大量資料。同態加密技術支援大規模基因組和臨床研究的合作，同時保護個人參與者的隱私。Duality公司研究人員所提出方案的效能突破錶明，同態加密是用於保護隱私的GWAS計算的實用解決方案，能夠將全基因組分析擴充套件到成千上萬的個體。GWAS可以深入瞭解各種疾病，目前正被用於鑑定與COVID-19的易感性或反應相關的遺傳變異。當衛生主管部門和醫學研究人員尋求瞭解這種新型疾病的真實性質時，同態加密使研究人員可以在全球範圍內合併單個級別的資料，從而以保護隱私的方式執行基因組分析。這項研究證明了Duality的技術目前可用於醫療保健行業。文章詳細介紹了基於同態加密進步的隱私保護框架，並演示了Duality的解決方案可以快速執行準確的GWAS分析，同時將所有個人資料保持加密狀態。論文中描述的技術具有高度可擴充套件性，研究人員的推斷表明，該方法可以在單個伺服器節點上執行5.6小時（在31個執行中的伺服器節點上並行執行11分鐘），對100,000個個體和500,000個單核苷酸多型性（SNP）執行GWAS。這些效能結果比具有類似精度水平的現有安全計算方法快得多。這些進步還可以應用於醫學研究的其他領域，例如臨床試驗，藥物利用和罕見疾病研究。

如今，個性化醫療的關鍵障礙不再只是資料可用性，而是資料隱私。即使對於非常微妙的關聯，也具有很高的準確性，HE-GWAS結果可用於得出多基因風險評分，以準確地進行患者分層並預測未來疾病。達納-法伯癌症研究所和哈佛醫學院的Alexander Gusev博士說：“正在進行的精密醫學研究可以透過跨臨床機構之間的安全協作而立即受益於這些功能，而無需複雜的資料共享協議或損害個人級別的隱私。該技術還可以使患者直接參加研究，並知道他們的個人資料不會被洩露，從而獲得個性化的結果。”  “在危機時刻，當全世界的目光轉向對敏感個人醫學資料的協作所擁有的潛力時，我們的密碼學家和資料科學家的跨學科研究團隊與領先的生物資訊學家合作，證明了符合資料隱私的全球協作的可行性 ”，加州大學伯克利分校西蒙斯計算理論研究所所長，Duality技術公司聯合創始人兼首席科學家Shafi Goldwasser教授說  “我們的實踐表明，同態加密是實用並且功能強大的，並且比現有的安全資料分析方法要快得多。 Duality 公司很榮幸與Alexander Gusev博士合作，重點介紹了面向市場的分析平臺在科學研究中的使用，證明了同態加密將在保護隱私同時緩解當前的全球健康危機方面發揮核心作用。這對醫療保健以及其他許多重要領域都具有重要意義。”  “我們對這項研究的結果感到興奮，這表明複雜的資料科學計算對於同態加密資料可以大規模實現，” Duality公司資料科學主管Marcelo Blatt博士說。 “現在，我們的SecurePlus平臺已為更廣泛的醫療保健行業提供了這些功能，從而實現了增強隱私的醫療協作。”“我們遠遠超出了同態加密計算的最新效能，”Duality 公司首席科學家Yuriy Polyakov博士補充說。 “我們突破的秘訣是我們將世界領先的密碼學家和資料科學專家有機的聯合起來。令人欣喜的是，這些技術進步已被用來應對在各種受法規管制行業中的挑戰。”