動脈網(wǎng)-醫(yī)療行業(yè)：2023醫(yī)療大數(shù)據(jù)白皮書

前言過去十年，國內(nèi)醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)從零開始發(fā)展，如今已然初具規(guī)模。但受地域政策、數(shù)據(jù)倫理等因素影響，整個產(chǎn)業(yè)一度在2019年抵達巔峰，隨后陷入停滯，直至今年才又重新復蘇。的發(fā)布與國家數(shù)據(jù)局的建立，為大數(shù)據(jù)產(chǎn)業(yè)基礎(chǔ)制度體系指明建設(shè)方向，確立指導制度建設(shè)責任主體。技術(shù)層面，新興的大語言模型、生成式AI借助底層邏輯的重構(gòu)帶來了一批類似ChatGPT 規(guī)?；_展醫(yī)療數(shù)據(jù)治理，為未來可能的數(shù)據(jù)資產(chǎn)化做好準備。多重因素復合之下，醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)迎來重大發(fā)展機遇。為了厘清醫(yī)療大數(shù)據(jù)的發(fā)展現(xiàn)狀及未來價值，蛋殼研究院此份報告，全面梳理醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)，繪制醫(yī)療大數(shù)據(jù)的產(chǎn)業(yè)前景。核心觀點一、因擔憂數(shù)據(jù)因素、數(shù)據(jù)安全方面的風險，醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)在2020年前一直重基建而輕應用，但自2020年開始國家政策風口開始轉(zhuǎn)向，“數(shù)據(jù)二十條”發(fā)布、國家數(shù)據(jù)局建立，均在推動醫(yī)療大數(shù)據(jù)朝著標準化、產(chǎn)業(yè)化的方向發(fā)展，進而建立完善的交易體系。二、伴隨信息技術(shù)和網(wǎng)絡技術(shù)的跨越式發(fā)展，現(xiàn)代醫(yī)院的運營特征表現(xiàn)為醫(yī)療業(yè)務的智能化與應用部署的敏捷化，使得醫(yī)院業(yè)務產(chǎn)生的信息朝著復雜化、專業(yè)化、海量化的方向發(fā)展，并對各系統(tǒng)之間的互聯(lián)互通提出更高層級的要求。因此，部分醫(yī)院開始轉(zhuǎn)變信息化建設(shè)思路，借助云技術(shù)打造新一代醫(yī)院數(shù)據(jù)中心，綜合利用各類數(shù)據(jù)服務臨床、決策和科研過程，提高醫(yī)院管理的科學化、規(guī)范化、精細化水平，由此創(chuàng)造了一個千億級的新興醫(yī)療IT市場。三、盡管基礎(chǔ)設(shè)施已經(jīng)初具規(guī)模，但多數(shù)醫(yī)院大數(shù)據(jù)應用開拓情況仍處于低位，三級醫(yī)院應用數(shù)量占比不足20%，二級醫(yī)院應用數(shù)量占比不足5%。因此，在大數(shù)據(jù)應用供不應求的情形下，在找到有效商業(yè)模式的前提下開拓大數(shù)據(jù)應用是醫(yī)療IT公司面臨的重要機遇。四、大語言模型（LLM）的出現(xiàn)為醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)確立了新的增長點。目前醫(yī)療垂直大模型使用的數(shù)據(jù)仍局限于互聯(lián)網(wǎng)醫(yī)療過程中產(chǎn)生的行為數(shù)據(jù)，未來若能將臨床數(shù)據(jù)規(guī)模化納入其中，國內(nèi)醫(yī)院的智能化建設(shè)將進一步加速。第一章：數(shù)據(jù)基礎(chǔ)建設(shè)即將確定，數(shù)據(jù)資產(chǎn)化亟待破解 1.1聚焦醫(yī)院：產(chǎn)生醫(yī)療大數(shù)據(jù)發(fā)展問題的原因 21.2聚焦政策：政策頻出，醫(yī)療大數(shù)據(jù)宏觀環(huán)境迎來多輪利好 31.3數(shù)據(jù)資產(chǎn)化，需打通四重要素 5第二章：基建擴容，千億市場的根基 72.1新一代醫(yī)院數(shù)據(jù)中心開啟千億市場序幕 92.2影像補位，AI企業(yè)成為基建主角 2.3臨床科研發(fā)力，科研藥研加速數(shù)據(jù)庫建設(shè) 2.4物聯(lián)網(wǎng)、AI支持的醫(yī)院智慧后勤 2.5大數(shù)據(jù)賦能的智慧醫(yī)學教育 2.6醫(yī)院大數(shù)據(jù)中心建設(shè)的常見問題探討 第三章：應用創(chuàng)新，數(shù)字醫(yī)療建設(shè)進行時 3.1臨床大數(shù)據(jù)應用 3.2運營大數(shù)據(jù)應用 3.3院外其他大數(shù)據(jù)與應用 第四章：數(shù)據(jù)安全，成為應用推廣的必要保障 4.1醫(yī)療大數(shù)據(jù)安全現(xiàn)狀 4.2大數(shù)據(jù)安全體系的構(gòu)建 4.3數(shù)據(jù)安全的保障邏輯 38第五章：前沿討論，大語言模型的構(gòu)建與數(shù)據(jù)交易的可能 415.1討論一：LLM對于多模態(tài)大數(shù)據(jù)治理的潛在影響 425.2討論二：應用級醫(yī)療大數(shù)據(jù)的交易可能 第六章：企業(yè)價值，助推醫(yī)療信息化進程的重要力量 參考目錄： 1122014年，為推動整體化衛(wèi)生信息系統(tǒng)建設(shè)，國家衛(wèi)計委規(guī)劃了開創(chuàng)性的“46312”工程。意數(shù)據(jù)來源：蛋殼研究院這是一種“自上而下”的建設(shè)模式。沿著這一路徑進行推進，框架內(nèi)的衛(wèi)生信息平臺、基礎(chǔ)數(shù)據(jù)庫、融合網(wǎng)絡、業(yè)務應用、信息安全防護體系、人口健康信息標準體系相繼建立，國家層面的數(shù)據(jù)基礎(chǔ)設(shè)施基本建設(shè)完畢。不過，完好的頂層架構(gòu)雖有效推動了區(qū)域、醫(yī)院的大數(shù)據(jù)相關(guān)建設(shè)，但卻未能全面覆蓋整個大數(shù)據(jù)產(chǎn)業(yè)。實際之中，這些建設(shè)更多圍繞基礎(chǔ)設(shè)施展開，真正能夠傳遞價值的應用部分相較式微，沒有達到等同于基礎(chǔ)設(shè)施建設(shè)的投入規(guī)模。探索這一問題的成因及現(xiàn)階段的解決之道是本報告的研究目的之一。本章之中，我們將從多個角度分析限制醫(yī)療大數(shù)據(jù)的關(guān)鍵要素，并回答“醫(yī)療大數(shù)據(jù)前景幾何”這一問題。千禧年后的第二個十年，移動醫(yī)療、人工智能等前沿技術(shù)的發(fā)展喚起醫(yī)療數(shù)據(jù)的需求。作為算法、算力、數(shù)據(jù)三要素中最常見但又最難獲取的要素，醫(yī)療數(shù)據(jù)彼時仍以碎片化、非標準化的形態(tài)分散于醫(yī)院各個系統(tǒng)中。為了尋找智能模型所需的養(yǎng)料，大量科技醫(yī)療創(chuàng)業(yè)公司找到三級醫(yī)院進行合作，在幫助醫(yī)院進行數(shù)據(jù)治理的同時，打造智慧化的臨床應用。醫(yī)院科室的參與、政策對于信息化建設(shè)的強制要求，合力促使醫(yī)院圍繞互聯(lián)互通、智慧醫(yī)院等方向開啟規(guī)?；ㄔO(shè)。不少醫(yī)院開始打造醫(yī)院大數(shù)據(jù)中心、科研級大數(shù)據(jù)平臺，完成了醫(yī)3療大數(shù)據(jù)基礎(chǔ)設(shè)施的構(gòu)造，也與企業(yè)合作開發(fā)了不少智慧化的應用。但在2019年中美貿(mào)易爭端開啟后，包含個人私密信息醫(yī)療數(shù)據(jù)成為關(guān)注重點之一。由于對此類數(shù)據(jù)進行治理、集成、應用存在一定泄露風險，醫(yī)院與企業(yè)的合作目的開始轉(zhuǎn)變。為避免政策風險帶來的不確定性，不少醫(yī)院期望大數(shù)據(jù)及其研究結(jié)果以醫(yī)院范圍為界限展開，使得醫(yī)療大數(shù)據(jù)的研究重心轉(zhuǎn)向醫(yī)院科研需求。此趨勢下，醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)轉(zhuǎn)化一定程度減少，醫(yī)療大數(shù)據(jù)行業(yè)發(fā)展整體放慢。不過，政治因素并非鉗制醫(yī)療大數(shù)據(jù)發(fā)展的唯一因素，更需關(guān)注的是該類建設(shè)投資回報及參與度問題。對于絕大多數(shù)而言醫(yī)院而言，院內(nèi)外規(guī)范化的IT建設(shè)是一項難以計量回報的投資，在缺乏合適的工具估算大數(shù)據(jù)建設(shè)的產(chǎn)出時，醫(yī)院對于相關(guān)投資仍然持有保守態(tài)度。此外，要讓該項建設(shè)發(fā)揮價值，醫(yī)院動用資金支持僅是一部分，更重要的是醫(yī)院深入了解醫(yī)療大數(shù)據(jù)建設(shè)內(nèi)容，將系統(tǒng)與業(yè)務有效融合，才能構(gòu)造行之有效的大數(shù)據(jù)體系從目前來看，盡管存在各類標準推動醫(yī)療數(shù)據(jù)的互通互認、治理應用，但只有完整做好每一類場景全流程數(shù)據(jù)的收集、清洗、歸納、存儲都一系列步驟，才能形成多模態(tài)、跨流程、可服務于應用的大數(shù)據(jù)，真正將醫(yī)療數(shù)據(jù)沉淀下來。這個建設(shè)過程應由所有相關(guān)成員的共同參與的過程，目前醫(yī)院還需提升主體積極性，實現(xiàn)全流程、高參與度的數(shù)據(jù)治理。只有將醫(yī)療大數(shù)據(jù)的被動應用轉(zhuǎn)變?yōu)橹鲃庸芾?，才能真正用好醫(yī)療大數(shù)據(jù)。盡管院內(nèi)的大數(shù)據(jù)建設(shè)存在諸多問題，但自2020開始，政策的加持與技術(shù)的推動已在潛移默化中消解這些問題。2020年4月，中共中央、國務院印發(fā)《關(guān)于構(gòu)建更加完善的要素市場化配置體制機制的意素市場，推進政府數(shù)據(jù)開放共享、提升社會數(shù)據(jù)資源價值、加強數(shù)據(jù)資源整合和安全保護，制定出臺新一批數(shù)據(jù)共享責任清單。年我國大數(shù)據(jù)產(chǎn)業(yè)測算規(guī)模突破3萬億元，年均復合增長率保持25%左右，創(chuàng)新力強、附加值高、自主可控的現(xiàn)代化大數(shù)據(jù)產(chǎn)業(yè)體系基本形成?！?022年12月，《中共中央國務院關(guān)于構(gòu)建數(shù)據(jù)基礎(chǔ)制度更好發(fā)揮數(shù)據(jù)要素作用的意見》4（后簡稱：數(shù)據(jù)二十條）對外發(fā)布則以構(gòu)建基礎(chǔ)制度為目標，從數(shù)據(jù)產(chǎn)權(quán)、流通交易、收益分配、安全治理等四個方面，對制定數(shù)據(jù)基礎(chǔ)制度進行了全面部署，最終構(gòu)建公平與效率相統(tǒng)一的數(shù)據(jù)要素按貢獻參與分配的制度。2023年3月，國家數(shù)據(jù)局組建完畢，中央網(wǎng)絡安全和信息化委員會辦公室、國家發(fā)展和改革委員會共同管理，兩大機構(gòu)將在后續(xù)協(xié)調(diào)推進數(shù)據(jù)基礎(chǔ)制度建設(shè)，統(tǒng)籌數(shù)據(jù)資源整合共享和開發(fā)利用，統(tǒng)籌推進數(shù)字中國、數(shù)字經(jīng)濟、數(shù)字社會規(guī)劃和建設(shè)等。圖表2國家數(shù)據(jù)局的管理義務劃分數(shù)據(jù)來源：蛋殼研究院上述政策中，《關(guān)于構(gòu)建更加完善的要素市場化配置體制機制的意見》與《“十四五”大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃》為醫(yī)療大數(shù)據(jù)的產(chǎn)業(yè)化做好背書，有效提升了醫(yī)療機構(gòu)及相關(guān)大數(shù)據(jù)企業(yè)的信心?！皵?shù)據(jù)二十條”、成立國家數(shù)據(jù)局則聚焦于成立良好的市場制度，完善交易流通所需的市場要素，保障大數(shù)據(jù)市場公平、高效地開展下去。雙管齊下，眾多政策突顯了國家規(guī)范發(fā)展數(shù)據(jù)相關(guān)產(chǎn)業(yè)的決心。的火熱帶動人們重新審視人工智能的價值，并聚焦于背后支撐應用的技術(shù)生成式AI（GenerativeAI）。2023年開始，不少醫(yī)療IT公司、醫(yī)療AI公司、互聯(lián)網(wǎng)醫(yī)療公司均已開發(fā)出自己的大語言模型，并嘗試在醫(yī)院場景之中開發(fā)各項新式AI應用。拆解這一新興人工智能仍是算法、算力、數(shù)據(jù)、知識四要素，但對于國內(nèi)企業(yè)而言，算法部分均用的開源模型，算力可以根據(jù)需求購置GPU實現(xiàn)，知識可以通過向權(quán)威知識庫購買或達成戰(zhàn)略合作得到，唯獨數(shù)據(jù)需要企業(yè)與醫(yī)院達成合作，在脫敏、不出院的情況下訓練模型。政策與技術(shù)雙向驅(qū)動，醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)再度火熱。如今，更多醫(yī)院開始參與大數(shù)據(jù)基礎(chǔ)及應用建設(shè)，大企業(yè)們也嗅到風向，廣泛參與其中，為產(chǎn)業(yè)注入新的活力。5宏觀條件完備后，微觀層面同樣需要跟進，即需要各個醫(yī)院一改過去滿足政策要求、被動建設(shè)的模式，主動參與到醫(yī)療大數(shù)據(jù)的相關(guān)建設(shè)中。目前，醫(yī)管部門通過強化醫(yī)院對于科研相關(guān)能力的要求，促使醫(yī)院主動收集數(shù)據(jù)推動回顧性試驗研究、前瞻性試驗研究，已經(jīng)一定程度推動醫(yī)院轉(zhuǎn)向主動數(shù)據(jù)治理。而要進一步提升這一主動性，轉(zhuǎn)變醫(yī)院對于醫(yī)療大數(shù)據(jù)的認知態(tài)度，則需推動數(shù)據(jù)資產(chǎn)化，將醫(yī)療大數(shù)據(jù)的治理工程由成本項轉(zhuǎn)變?yōu)槭杖腠?，讓醫(yī)院醫(yī)生將數(shù)據(jù)視作一種極具潛力的資產(chǎn)。這是一個極具挑戰(zhàn)的轉(zhuǎn)變。回顧勞動、土地、資本等生產(chǎn)要素形成的市場，流通是其最大化價值實現(xiàn)的必經(jīng)之路。對于數(shù)據(jù)這類新式生產(chǎn)要素，怎樣保證流通過程的安全順暢，怎樣保障要素市場的公平穩(wěn)定等問題，需要多個參與方協(xié)力解決。目前，限制數(shù)據(jù)流通的核心要素可歸納為以下幾點。數(shù)據(jù)的交易流通需要數(shù)據(jù)歸屬、定價、交易、權(quán)益分配、安全等基礎(chǔ)制度的保障。當前制度尚未形成統(tǒng)一的保護機制，從國家到省市再到區(qū)縣，跨委辦局、垂管系統(tǒng)的數(shù)據(jù)共享仍然困難。國家數(shù)據(jù)局或在未來解決統(tǒng)籌建設(shè)的問題，推動各項數(shù)據(jù)標準的制定，但從成立到發(fā)揮關(guān)鍵作用，尚需時日化解從理論到實踐過程中遭遇的種種問題。目前尚無法律法規(guī)對醫(yī)療數(shù)據(jù)的歸屬權(quán)進行界定。有觀點認為醫(yī)療大數(shù)據(jù)反映的是個人的健康狀況，理應屬于患者個人；有觀點認為醫(yī)療大數(shù)據(jù)是由醫(yī)院采集、錄入才能產(chǎn)生的，存儲和保存也在醫(yī)療機構(gòu)，理應屬于醫(yī)療機構(gòu)；還有觀點認為醫(yī)療數(shù)據(jù)的所有權(quán)在于患者個人、控制權(quán)在于醫(yī)院、管理權(quán)在于政府，第三方機構(gòu)需借助政府支持和醫(yī)院配合方能對其進行商業(yè)化開發(fā)和利用。一方面，模糊的數(shù)據(jù)歸屬權(quán)可能導致利益分配糾紛，進而提高數(shù)據(jù)流通成本。因此，產(chǎn)業(yè)必須及早明確數(shù)據(jù)歸屬權(quán)并建立合理的分配制度，保障數(shù)據(jù)流通的公平公正公開。另一方面，由于數(shù)據(jù)易復制的特性，數(shù)據(jù)提供給其他實體后，兩者是價值關(guān)系，而不是一次性收益。因此，需要法律法規(guī)確保供應商獲得應得、持續(xù)的收益流。6數(shù)據(jù)的需求方和數(shù)據(jù)的擁有方當前沒有合適的發(fā)現(xiàn)對接機制，市場沒有形成上下游的關(guān)系。專利權(quán)和著作權(quán)有國家知識產(chǎn)權(quán)保護，數(shù)據(jù)權(quán)益當前缺少相應法律法規(guī)的保護。雖然國內(nèi)已有不少大數(shù)據(jù)交易所開始運營，但數(shù)據(jù)要素流通市場整體形式仍較為單一，通過交易所掛牌數(shù)據(jù)較少，從量和質(zhì)上都無法滿足數(shù)據(jù)市場的需求。相較之下，大量的場外數(shù)據(jù)交易市場活躍，但缺乏有效監(jiān)管和安全保障。醫(yī)療方面，已有不少交易所將為“醫(yī)療衛(wèi)生”數(shù)據(jù)設(shè)置交易品類，但絕大部分交易所該品類下并無供應商品，僅貴州大數(shù)據(jù)交易所上架了一款“兒童構(gòu)音障礙早篩語音數(shù)據(jù)”的產(chǎn)品，售價25萬元，僅交易兩筆。圖表3兒童構(gòu)音障礙早篩語音數(shù)據(jù)截圖數(shù)據(jù)來源：蛋殼研究院要解決這一問題，數(shù)據(jù)交易市場必須建立以政府為主導、市場化的數(shù)據(jù)要素交易機構(gòu)和服務平臺組成的體系。數(shù)據(jù)供應方進行有效的數(shù)據(jù)歸集、加工；交易中心提供供需對接服務，實現(xiàn)數(shù)據(jù)升值、數(shù)據(jù)變現(xiàn)，監(jiān)管機構(gòu)保障市場監(jiān)管和質(zhì)控，營造良好的流通環(huán)境。總的來說，我國數(shù)據(jù)要素流通市場仍處于發(fā)展的初級階段，在數(shù)據(jù)交易需求持續(xù)高漲的趨勢下，一方面需要國家主導完善數(shù)據(jù)要素服務相關(guān)制度，引導培育數(shù)據(jù)要素交易市場，另一方面也需培養(yǎng)更多供應商豐富數(shù)據(jù)供應體系，并加大數(shù)據(jù)交易所傳播力度，最終實現(xiàn)在有效市場支撐下的數(shù)據(jù)供需匹配，讓各類數(shù)據(jù)要素高效安全地流通起來。778醫(yī)療大數(shù)據(jù)的價值挖掘是對醫(yī)療數(shù)據(jù)的收集、整理、再利用。換句話說，高效掘取醫(yī)療大數(shù)據(jù)價值，首先需要建立先進的信息技術(shù)系統(tǒng)和數(shù)據(jù)平臺，幫助醫(yī)療機構(gòu)有效存儲、整合數(shù)據(jù)，其次才是構(gòu)建、利用工具，對治理后的醫(yī)療大數(shù)據(jù)進行分析，進而為醫(yī)療決策提供科學依據(jù)、提升醫(yī)療效率。相較于后一環(huán)節(jié)的醫(yī)療大數(shù)據(jù)應用，前端的治理顯然更為繁瑣。一個患者的全生命周期數(shù)據(jù)不僅包含產(chǎn)生于醫(yī)療機構(gòu)的就診、治療、康復等臨床數(shù)據(jù)，還包含與生俱來的基因組數(shù)據(jù)、可穿戴設(shè)備生成的個人健康數(shù)據(jù)。以醫(yī)療機構(gòu)產(chǎn)生的臨床數(shù)據(jù)為例，患者在選擇醫(yī)療機構(gòu)時需考慮疾病嚴重程度、地理位置、優(yōu)勢學科等要素，一生之中的就診不會局限于單家醫(yī)院，因而其臨床數(shù)據(jù)往往分散于多個醫(yī)療機構(gòu)中；一家醫(yī)院的臨床數(shù)據(jù)分散在多個不同業(yè)務系統(tǒng)中，HIS、CIS、PACS、RIS之間未必能夠?qū)崿F(xiàn)互聯(lián)互通。有需求就有市場。為了治理過往沉積的數(shù)據(jù)，標準化后續(xù)生成的數(shù)據(jù)，不少醫(yī)院開始投身于數(shù)據(jù)的數(shù)據(jù)中心的建立與數(shù)據(jù)平臺的運營，兩個模塊如今已經(jīng)孕育起一個十億級的市場。《全民健康信息化調(diào)查報告》曾對醫(yī)院信息平臺的基本功能統(tǒng)計。數(shù)據(jù)表明：已有超過一半醫(yī)院進行了一定程度的數(shù)據(jù)中心部署。但在人工智能、物聯(lián)網(wǎng)、語言模型等一眾新式技術(shù)的推動之下，越來越多的數(shù)據(jù)中心面臨升級、擴容、云化等需求，進而演化為新時代的醫(yī)療大數(shù)據(jù)市場。圖表42021年各類醫(yī)療機構(gòu)大數(shù)據(jù)應用開展情況（單位：%）數(shù)據(jù)來源：《全民健康信息化調(diào)查報告》9伴隨信息技術(shù)和網(wǎng)絡技術(shù)的跨越式發(fā)展，現(xiàn)代醫(yī)院的運營特征表現(xiàn)為醫(yī)療業(yè)務的智能化與應用部署的敏捷化，使得醫(yī)院業(yè)務產(chǎn)生的信息朝著復雜化、專業(yè)化、海量化的方向發(fā)展，并對各系統(tǒng)之間的互聯(lián)互通提出更高層級的要求。此趨勢下，圍繞網(wǎng)絡帶寬、服務器性能、交換機處理能力等設(shè)備運行特征建設(shè)數(shù)據(jù)中心機房的思路無法應對新型數(shù)據(jù)結(jié)構(gòu)下涌現(xiàn)的數(shù)據(jù)安全保障、線上業(yè)務支撐、數(shù)據(jù)資產(chǎn)管理等需求，亟需引入新的IT架構(gòu)來應對新的業(yè)務對計算資源、存儲資源、網(wǎng)絡資源的新要求。因此，部分醫(yī)院開始轉(zhuǎn)變信息化建設(shè)思路，借助云技術(shù)打造新一代醫(yī)院數(shù)據(jù)中心，綜合利用各類數(shù)據(jù)服務臨床、決策和科研過程，提高醫(yī)院管理的科學化、規(guī)范化、精細化水平。傳統(tǒng)大數(shù)據(jù)中心分為兩類形式。一類是以業(yè)務支撐為主、整合電子病歷的臨床數(shù)據(jù)中心（CDR其作用是支撐日常的醫(yī)療活動，收集與呈現(xiàn)醫(yī)療過程中的數(shù)據(jù)，繪制常規(guī)報表統(tǒng)計等。另一類以管理和科研為主的大數(shù)據(jù)中心，其作用是面向臨床研究、醫(yī)院管理與智能產(chǎn)品開發(fā)，滿足科研、管理活動中的數(shù)據(jù)批量處理的挖掘與分析需求。目前國內(nèi)大部分全院級CDR完成了醫(yī)院各業(yè)務數(shù)據(jù)的物理匯聚，但數(shù)據(jù)質(zhì)量仍處于原始狀態(tài)，對數(shù)據(jù)的深層架構(gòu)與邏輯關(guān)系尚未進行梳理，針對現(xiàn)有CDR開展臨床相關(guān)的數(shù)據(jù)分析挖掘仍具有極大困難。此外，由于不同科研數(shù)據(jù)庫一般采用自定義的數(shù)據(jù)模型，在建立多中心數(shù)據(jù)池、數(shù)據(jù)共享或數(shù)據(jù)合并時需要花費大量時間和資源進行數(shù)據(jù)映射和重新編碼，一旦出錯很容易導致計算機數(shù)據(jù)調(diào)用、分析過程和結(jié)果出現(xiàn)混亂。要解決傳統(tǒng)大數(shù)據(jù)中心存在的問題，新一代大數(shù)據(jù)中心應具備以下能力。1.滿足醫(yī)院創(chuàng)新業(yè)務需求。提供多種大數(shù)據(jù)應用開發(fā)工具并支撐大數(shù)據(jù)應用部署，例如利用NLP從海量電子病歷數(shù)據(jù)中提取知識，輔助臨床科研；利用深度學習從海量的醫(yī)學影像中訓練人工智能模型，輔助醫(yī)生臨床診斷。2.滿足醫(yī)院管理發(fā)展的需求。支撐人工智能應用為醫(yī)院運營管理提供更深的洞察和更敏捷的反應；支撐實時流計算，能夠應用大數(shù)據(jù)分析技術(shù)并將分析結(jié)果實時反饋到臨床業(yè)務；支撐邊緣計算與物聯(lián)網(wǎng)技術(shù)實現(xiàn)智慧后勤。3.滿足醫(yī)院智慧應用配置需求。支持搭建安全、有彈性、可擴展的對外服務平臺；支撐區(qū)塊鏈等創(chuàng)新技術(shù)解決數(shù)據(jù)共享、流通、歸集和安全問題。4.滿足跨部門業(yè)務協(xié)同需求。支撐云網(wǎng)融合技術(shù)，能夠在保證內(nèi)外網(wǎng)間數(shù)據(jù)交換的安全性的前提下以打通院內(nèi)系統(tǒng)、外部系統(tǒng)及云上系統(tǒng)，以實現(xiàn)醫(yī)院業(yè)務的連續(xù)性。5.滿足數(shù)據(jù)治理需求。可提供的全局數(shù)據(jù)服務需要覆蓋數(shù)據(jù)標準管理、基礎(chǔ)數(shù)據(jù)管理、數(shù)據(jù)采集、數(shù)據(jù)匯聚、數(shù)據(jù)深度加工、數(shù)據(jù)資產(chǎn)管理、數(shù)據(jù)質(zhì)量管理、數(shù)據(jù)安全管理等對數(shù)據(jù)的全生命周期治理服務。6.滿足數(shù)據(jù)服務需求。支撐醫(yī)院內(nèi)部實現(xiàn)系統(tǒng)互聯(lián)互通和數(shù)據(jù)對接共享的需要；醫(yī)院提升海量數(shù)據(jù)資源質(zhì)量的需要，數(shù)據(jù)驅(qū)動醫(yī)院進行科學決策的需要，面對數(shù)據(jù)安全風險的需要。圖表5云上新一代醫(yī)院數(shù)據(jù)中心主要特征數(shù)據(jù)來源：《新一代醫(yī)院數(shù)據(jù)中心建設(shè)指導》在《新一代醫(yī)療數(shù)據(jù)中心建設(shè)指導》一書中，新一代醫(yī)院數(shù)據(jù)中心被定義為以私有云為主，多云結(jié)合為特征的醫(yī)療云數(shù)據(jù)中心，并將新一代醫(yī)院數(shù)據(jù)中心的架構(gòu)劃分為醫(yī)院基礎(chǔ)設(shè)施服務層（laaS）、醫(yī)院應用支撐服務層（PaaS）、醫(yī)院應用層（SaaS）。圖表6新一代醫(yī)院數(shù)據(jù)中心架構(gòu)數(shù)據(jù)來源：《新一代醫(yī)院數(shù)據(jù)中心建設(shè)指導》在基礎(chǔ)設(shè)施之上，醫(yī)院應用支撐服務層提供平臺應用服務，包括應用開發(fā)和測試的平臺服務、通用應用服務、數(shù)據(jù)服務（DaaS）以及醫(yī)療行業(yè)特定的服務。最上層的醫(yī)院應用層提供各種類型的醫(yī)院業(yè)務應用，主要分為三大類，即事務型業(yè)務、數(shù)據(jù)分析型業(yè)務以及跨院業(yè)務。這些業(yè)務應用通過平臺即服務（Plantform-as-a-Service，PaaS）層提供的API使用平臺服務。此外，統(tǒng)一安全管理及統(tǒng)一運維管理將貫穿數(shù)據(jù)中心的各個層次，保證整個系統(tǒng)在安全環(huán)境穩(wěn)定運行。目前，醫(yī)療健康行業(yè)對安全和隱私方面的高要求使得醫(yī)院數(shù)據(jù)中心主要以私有云為主，這種方式不但可以保證醫(yī)院完全控制其安全措施，也可以確保其數(shù)據(jù)中心能夠滿足相關(guān)法律法規(guī)。私有云部署也可以使醫(yī)院明確知道自己所購買軟硬件成本，使數(shù)據(jù)中心成本可預測。但是私有云部署的總體成本相對較高，也帶來了醫(yī)院管理的復雜性，而且數(shù)據(jù)中心的擴展性也受到醫(yī)院本身條件的限制。有些醫(yī)院為簡化管理，提高靈活性等因素考慮部分非核心業(yè)務也可能會選擇托管公有云，由第三方服務商進行管理和運行，成本可控但其靈活性仍然有限。但出于對公有云可擴展性、高性能、低成本等優(yōu)勢的需求，醫(yī)院越來越多地選擇將其一些對外服務業(yè)務和IT能力部署在公有云上?；旌显萍夹g(shù)的使用仍在探索中，該部署方式使得醫(yī)院未來能夠在私有云和公有云之間靈活地部署和遷移其工作負載，其典型的場景是將單個或多個私有云和單個或多個公有云結(jié)合為一體的混合云和多云環(huán)境。醫(yī)院云數(shù)據(jù)中心也會通過互聯(lián)網(wǎng)或?qū)＞€與第三方平臺對接，例如區(qū)域影像中心、全民健康信息平臺和醫(yī)保信息平臺等。自深度學習廣泛應用于計算機視覺后，圍繞醫(yī)學影像展開的人工智能開發(fā)催生了獨立建設(shè)影像大數(shù)據(jù)中心的需求。因此，不少企業(yè)嘗試在PACS、RIS、PIS等涉及醫(yī)學影像的業(yè)務系統(tǒng)之上，以中臺形式搭建一個能夠綜合管理應用全院所有影像的大數(shù)據(jù)平臺，更標準、更便捷、更經(jīng)濟的方式對影像類數(shù)據(jù)進行匯總，進而推動相關(guān)科學研究的進行。對比新一代數(shù)據(jù)中心，影像數(shù)據(jù)中心的需要同樣寬泛。作為醫(yī)療數(shù)據(jù)大國，我國的影像數(shù)據(jù)占據(jù)了80%—90%的份額，維持30%的增速持續(xù)增長，但大量數(shù)據(jù)停留在紙質(zhì)化的階段，超過80%的數(shù)據(jù)為非結(jié)構(gòu)化數(shù)據(jù)。因此，圍繞影像展開的醫(yī)療大數(shù)據(jù)中心建設(shè)能夠有效觸及此類需求，易聯(lián)眾、卡易、富士膠片等傳統(tǒng)醫(yī)療IT企業(yè)及深睿醫(yī)療、匯醫(yī)慧影等人工智能企業(yè)均圍繞此業(yè)務深化信息化布局，一方面為醫(yī)院搭載治理影像數(shù)據(jù)的平臺，另一方面借助平臺協(xié)同醫(yī)院推出新的人工智能解決方案?，F(xiàn)有的醫(yī)學影像大數(shù)據(jù)中心通常具備兩類智能。其一為集成智能化影像應用。伴隨人工智能技術(shù)的規(guī)模落地，一家醫(yī)院常常會安裝多個人工智能輔助診斷應用。為了方便醫(yī)生在不同應用之間無感切換，醫(yī)學影像大數(shù)據(jù)中心可以起到業(yè)務中臺的作用，將眾多人工智能軟件集成，便于醫(yī)生使用。同時，大數(shù)據(jù)中心還可以通過互聯(lián)網(wǎng)實時更新新的人工智能應用，醫(yī)生需要時可直接聯(lián)網(wǎng)下載。其二為助力影像數(shù)據(jù)資產(chǎn)化。由于影像數(shù)據(jù)量本身體量較大，醫(yī)院很難精準評估影像數(shù)據(jù)集價值，可能在數(shù)年之后需要調(diào)閱時才發(fā)現(xiàn)文件發(fā)生損壞。在這一場景下，影像大數(shù)據(jù)可以助力影像數(shù)據(jù)治理，在數(shù)據(jù)生成后便及時打上標簽并歸類，并注明其可能存在的價值。核心能力外，還有一些企業(yè)的大平臺會打造一些特色功能。以深睿醫(yī)療新發(fā)布的DeepwiseMetAI智慧影像&數(shù)據(jù)新平臺為例，該平臺以計算機視覺、NLP、深度學習等AI技術(shù)為基礎(chǔ)，實現(xiàn)影像掃描后重建、打印、診斷、會診、教學、科研的一站式影像科全周期智能管理。這個過程中，深睿醫(yī)療能夠幫助醫(yī)院生產(chǎn)高效精準的結(jié)構(gòu)化數(shù)據(jù)，逐步積成影像科的優(yōu)質(zhì)數(shù)據(jù)資產(chǎn)。同時，深睿醫(yī)療也在借助大數(shù)據(jù)平臺打造以科研創(chuàng)新及應用為導向，實現(xiàn)數(shù)據(jù)到成果再到應用的創(chuàng)新閉環(huán)模式，加速科研成果轉(zhuǎn)化，助力學科高水平發(fā)展。目前，深睿醫(yī)療已與四川大學華西醫(yī)院、南京市中醫(yī)院、浙江大學醫(yī)學院附屬兒童醫(yī)院等國內(nèi)多家醫(yī)療機構(gòu)合作，依托全院級科研數(shù)據(jù)中心，探索疾病智能化診療的新模式、產(chǎn)出高質(zhì)量的成果、全面促進成果轉(zhuǎn)化。臨床科研數(shù)據(jù)庫的建設(shè)需求基本可分為兩大類：一是數(shù)據(jù)沉淀需求，通過積累數(shù)據(jù)資產(chǎn)，為尚未明確的研究課題和研究方向做探索準備，如醫(yī)院對積累患者多組學數(shù)據(jù)的需求；申辦方對積累臨床研究數(shù)據(jù)資產(chǎn)的需求；積累醫(yī)患管理數(shù)據(jù)的需求等。二是臨床研究需求，如輔助已明確方向和課題的研究者發(fā)起的臨床研究（IIT），以及藥企發(fā)起的臨床試驗（IST）完成定向數(shù)據(jù)治理、質(zhì)控、鎖定和應用等相關(guān)工作。產(chǎn)品開始融合，逐步合并為一套系統(tǒng)。臨床科研數(shù)據(jù)庫的價值隨之深化。某腫瘤醫(yī)院每年收治數(shù)千例宮頸癌、子宮內(nèi)膜癌、卵巢癌等婦科惡性腫瘤新發(fā)病例，診療數(shù)據(jù)均存儲在該院業(yè)務系統(tǒng)中，沒有統(tǒng)一的標準規(guī)范和格式，且為非科研所需的結(jié)構(gòu)化數(shù)據(jù)，非常不利于臨床醫(yī)生精準定位患者和統(tǒng)計分析數(shù)據(jù)。而在搭建了本地專病庫后，患者群體定位能力和科研效率顯著提升，數(shù)據(jù)處理成本降低，醫(yī)院還獲得更多科研機會。此外，該項目還反哺臨床場景，幫助提升院內(nèi)病歷質(zhì)量，增強規(guī)范診療能圖表7臨床科研數(shù)據(jù)庫的分類及特點數(shù)據(jù)來源：《臨床科研數(shù)據(jù)庫系統(tǒng)的現(xiàn)狀與未來》伴隨數(shù)據(jù)科技的發(fā)展與醫(yī)院對于臨床試驗數(shù)據(jù)庫的日益重視，臨床試驗數(shù)據(jù)庫的能力界限與發(fā)展路徑都迎來的新的改變。其一，融合院后隨訪數(shù)據(jù)。院后隨訪數(shù)據(jù)作為患者臨床結(jié)局的反映，是多數(shù)臨床研究中必須收集的數(shù)據(jù)。但傳統(tǒng)的院后隨訪要么需要患者前往門診主動隨訪，要么依靠臨床研究人員電話隨訪。前者需要患者頻繁往返醫(yī)院，患者體驗較差、后者存在隨訪工作量大、失訪率高、數(shù)據(jù)質(zhì)量受限等普遍性問題。移動通信技術(shù)及應用廣泛發(fā)展，臨床研究人員如今可通過網(wǎng)頁、微信、App等多種形式提供患者院后隨訪服務以及收集患者自報告結(jié)局（PRO）。由于隨訪問卷、查體原始報告等信息可以由患者直接錄入或上傳，隨訪頻率及隨訪質(zhì)量均得到有效提高。為了更好地融入院后隨訪數(shù)據(jù)，臨床試驗數(shù)據(jù)庫應與新型的院后隨訪系統(tǒng)相集成，實現(xiàn)臨床數(shù)據(jù)與隨訪數(shù)據(jù)的一體化整合，從而有效提升科研數(shù)據(jù)完整度。其二，融合電子病歷數(shù)據(jù)。臨床科研數(shù)據(jù)采集需求會更多地體現(xiàn)在醫(yī)療業(yè)務信息系統(tǒng)中，兩類系統(tǒng)之間的協(xié)同互補將是發(fā)展的趨勢，但與醫(yī)療業(yè)務信息系統(tǒng)的協(xié)同，從醫(yī)療記錄中回顧性提取科研數(shù)據(jù)，實踐中始終存在著原始記錄不全、結(jié)構(gòu)化技術(shù)要求高的困難。為此，醫(yī)院應建立“臨床科研一體化”的電子病歷系統(tǒng)，補全缺失的結(jié)構(gòu)化數(shù)據(jù)。但就國內(nèi)醫(yī)院目前的互聯(lián)互通建設(shè)水平而言，絕大部分醫(yī)院無法實現(xiàn)全結(jié)構(gòu)化的電子病歷。要解決這一問題，一方面可把結(jié)構(gòu)化的科研數(shù)據(jù)表單以“插件”形式集成到臨床電子病歷系統(tǒng)中，兼顧臨床記錄的描述性和科研數(shù)據(jù)的結(jié)構(gòu)化，另一方面可從專科化的檢查方面推行結(jié)構(gòu)化報告，逐步向全院進行延伸。其三，完善數(shù)據(jù)加工功能?；仡櫺匝芯繑?shù)據(jù)收集利用模式的改變在目前的科室?？茖２?shù)據(jù)庫中，有相當一部分是為未來的回顧性研究而建設(shè)。一方面，在研究問題不確定的情況下，建設(shè)和維持科研數(shù)據(jù)庫需要投入專門力量，長期持續(xù)難度大；另一方面，隨著電子病歷數(shù)據(jù)的完善和數(shù)據(jù)處理分析技術(shù)能力的提升，研究人員提出問題時，能夠針對研究問題直接從原始數(shù)據(jù)中提取所需特征變量開展研究。在專業(yè)化的數(shù)據(jù)服務能力支持下，直接提取科研數(shù)據(jù)有更高的效率，能最大程度地減輕臨床科室工作量，這一趨勢在醫(yī)院的大數(shù)據(jù)中心工作實踐中已經(jīng)開始顯現(xiàn)。未來，臨床科研數(shù)據(jù)庫系統(tǒng)的數(shù)據(jù)加工功能會進一步優(yōu)化，入庫的數(shù)據(jù)會更為精準、數(shù)目縮小，預先建庫的模式將更多地轉(zhuǎn)為有研究問題時的即時建庫和數(shù)據(jù)加工，整個過程將進一步簡化。病例注冊數(shù)據(jù)庫主要用于支持疾病或治療措施的觀察性研究，通常為多中心數(shù)據(jù)庫。研究設(shè)計者圍繞研究主題和特定的研究問題，設(shè)計統(tǒng)一的病例數(shù)據(jù)采集表單，組織真實世界病例數(shù)據(jù)錄入?yún)R集，形成大規(guī)模的觀察性病例數(shù)據(jù)庫?，F(xiàn)實中，一些隊列研究數(shù)據(jù)庫具有與病例注冊數(shù)據(jù)庫相似的特點，亦可歸入此類。病例注冊數(shù)據(jù)庫具有以下特點：通常為多中心數(shù)據(jù)庫，對數(shù)據(jù)標準化定義要求較高；各個醫(yī)療機構(gòu)的信息系統(tǒng)并不相同，病例注冊系統(tǒng)與各醫(yī)療機構(gòu)信息系統(tǒng)建立接口的可能性較低，數(shù)據(jù)采集主要依靠人工錄入，因而病例登記表所涉及的變量數(shù)通常不宜設(shè)計過多；多中心采集場景下，對病例注冊系統(tǒng)的數(shù)據(jù)錄入和共享權(quán)限有特定要求。專科專病數(shù)據(jù)庫主要用于支持臨床科室按?？苹虿》N收集病例數(shù)據(jù)和開展觀察性研究，其所收集的病例數(shù)據(jù)項較廣。在實際工作中，科室建立?？苹?qū)２?shù)據(jù)庫可分為兩種情況：一種是有研究目的但研究問題尚不明確，建庫是為未來的科研問題積累數(shù)據(jù)，其所收集的病例數(shù)據(jù)項較廣，病例表單構(gòu)成較復雜；另一種是圍繞特定科研問題的病例數(shù)據(jù)收集，數(shù)據(jù)項相對較少，病例表單相對簡單。隨著醫(yī)療信息化的發(fā)展所提供的便利性增加，近年來此類數(shù)據(jù)庫的建設(shè)需求越來越多。此類數(shù)據(jù)庫與注冊數(shù)據(jù)庫的特點有類似之處，但由于屬于單中心數(shù)據(jù)庫且未來研究問題存在不確定性，所以多數(shù)數(shù)據(jù)庫設(shè)計包含數(shù)據(jù)項較多，數(shù)據(jù)標準化定義要求相對寬松；對從醫(yī)院電子病歷數(shù)據(jù)資源庫（CDR）獲取數(shù)據(jù)的要求較高。2.3.3.1專病數(shù)據(jù)庫的構(gòu)建趨勢傳統(tǒng)臨床科研數(shù)據(jù)收集因采取人工錄入而存在數(shù)據(jù)格式、標準不規(guī)范以及利用率、成果轉(zhuǎn)化率較低等問題，無法滿足日益增長的科研需求。因此，各分支學科均存在專病大數(shù)據(jù)建設(shè)需求，即通過建立專病數(shù)據(jù)庫對醫(yī)療大數(shù)據(jù)進行整合與分析利用，提高?？萍膊♂t(yī)療服務質(zhì)量及預測治療效果，進而規(guī)避和降低醫(yī)療風險、抑制醫(yī)療成本等。醫(yī)學科技和信息技術(shù)的飛速發(fā)展，使得醫(yī)院診療數(shù)據(jù)和病理及影像等數(shù)據(jù)，正在以驚人的速度增長。包括基因組、表觀組、蛋白組和代謝組在內(nèi)的組學技術(shù)迅猛發(fā)展，促使生物醫(yī)學領(lǐng)域快速進入“大數(shù)據(jù)”時代。依靠快速增長的生物醫(yī)學數(shù)據(jù)，重新審視疾病，對疾病進行細化分層，使得醫(yī)學研究的重點更加精細和深入，逐漸集中于亞專業(yè)和專病，特別聚焦在高發(fā)病率、高死亡率、高疾病負擔，嚴重影響人群健康的重大疾病上。此趨勢下，專病數(shù)據(jù)庫的建設(shè)也需沿著新的建設(shè)方向發(fā)展。首先，建立目標專病數(shù)據(jù)模型及相關(guān)技術(shù)標準和規(guī)范專病大數(shù)據(jù)平臺建設(shè)難點在于多源異構(gòu)數(shù)據(jù)整合，需要建立通用數(shù)據(jù)標準，形成統(tǒng)一數(shù)據(jù)模型及相關(guān)技術(shù)標準和規(guī)范，以匯聚更多模態(tài)、來源更廣的專病數(shù)據(jù)。其次，應實現(xiàn)規(guī)范化數(shù)據(jù)匯集機制為對接醫(yī)院業(yè)務系統(tǒng)臨床信息進行底層數(shù)據(jù)集成，基于目標專病特點，利用標準化、規(guī)范化的數(shù)據(jù)元、術(shù)語庫和同義詞庫，通過前置機及在線分析技術(shù)，根據(jù)機器學習智能推斷數(shù)據(jù)結(jié)構(gòu)、主外鍵關(guān)系、數(shù)據(jù)字典等元數(shù)據(jù)信息，采用自然語言處理、知識圖譜和人工智能等技術(shù)對數(shù)據(jù)進行清洗、質(zhì)量控制、結(jié)構(gòu)化和歸一化等處理，根據(jù)患者主索引及標準化數(shù)據(jù)模型建立肝硬化專病數(shù)據(jù)倉庫，實現(xiàn)源數(shù)據(jù)自動化采集、數(shù)據(jù)解析與清洗、結(jié)構(gòu)化與標準化預處理、基于邏輯與規(guī)則編寫的指標抽取以及規(guī)則挖掘、知識查詢、關(guān)聯(lián)分析、圖像處理、異常檢測和預測分析。同時，需建立統(tǒng)一的規(guī)范化數(shù)據(jù)匯集機制，兼顧數(shù)據(jù)安全、處理性能和跨域傳輸能力，提供全量規(guī)則的醫(yī)學臨床真實數(shù)據(jù)。最后，應建立高性能、高可靠性、高擴展性的存儲架構(gòu)目標專病大數(shù)據(jù)存儲既包含NoSQLMemcached等內(nèi)存型數(shù)據(jù)庫以提高實時計算速度；分布式計算框架則包含Spark/Flink流處理框架、Hadoop等批處理框架、圖計算引擎、數(shù)據(jù)挖掘引擎、TensorFlow等人工智能處理引擎的多種分析框架，以滿足不同分析場景需求。該存儲系統(tǒng)具有分布式特點以應對數(shù)據(jù)規(guī)模增長；具有分層特點，即由高速和低速存儲混合構(gòu)成，高速存儲保障在線實時或近實時分析，低速存儲實現(xiàn)離線批處理等；同時具有完備的數(shù)據(jù)管理能力以滿足數(shù)據(jù)冗余備份、同步、隔離等處理。2.3.3.2專病數(shù)據(jù)庫的應用及效率評價?？茢?shù)據(jù)庫支持醫(yī)院各級醫(yī)療工作者和科研人員對目標專病的常規(guī)臨床診療與醫(yī)院管理所需的數(shù)據(jù)管理、查詢、統(tǒng)計與可視化；可為臨床與科學研究提供有力支持，可根據(jù)特定研究目標選定納入標準、排除標準及輸出指標來選擇研究人群特征，以進一步在線特征描述、特征分析或下載相關(guān)數(shù)據(jù)開展更深入的數(shù)據(jù)挖掘和人工智能應用研究，例如大型隊列、多模態(tài)數(shù)據(jù)融合的疾病預后、隨訪等臨床科學研究；可支持基于標準應用程序接口的大數(shù)據(jù)分析挖掘及機器學習、深度學習等人工智能分析算法和模塊的接入、嵌入，支撐未來數(shù)據(jù)驅(qū)動的目標專病臨床與科學研究。效率方面，過去通過編程方式實現(xiàn)CRF表單的設(shè)計與制作需要1—3個月的時間，而可視化、交互式的CRF表單配置可將時間縮短至3天；醫(yī)生手工整理1份病歷花費約1小時時間，而借助NLP處理，輔以手工填寫補充，可將時間縮短至20分鐘內(nèi)。盡管科研專病數(shù)據(jù)庫系統(tǒng)平臺建設(shè)已為醫(yī)院科研帶來一定成效，但現(xiàn)有的信息化系統(tǒng)仍存在一定不足：但針對醫(yī)學用語的NLP其數(shù)據(jù)理解能力仍有提升空間，對電子病歷的語義分析有待加強。.現(xiàn)有的科研專病數(shù)據(jù)庫系統(tǒng)中缺乏隨訪數(shù)據(jù)，后續(xù)還需加強互聯(lián)互通建設(shè)，將專病數(shù)據(jù)庫與隨訪系統(tǒng)對接，補齊科研數(shù)據(jù)短板，實現(xiàn)隨訪數(shù)據(jù)的共享利用。.數(shù)據(jù)庫的維護和應用還不理想，建庫容易維護難，課題結(jié)束后大部分的科研專病數(shù)據(jù)庫處于無人問津的狀態(tài)，造成新的資源浪費，需建立長期的數(shù)據(jù)采集和維護管理及獎勵機制，鼓勵臨床醫(yī)生和科研專病數(shù)據(jù)庫研發(fā)建設(shè)的IT工程師，不斷完善平臺功能、定時補充更新數(shù)據(jù)，豐富科研專病數(shù)據(jù)庫的內(nèi)容。伴隨醫(yī)院的規(guī)模及能力日益增長，越來越多的數(shù)字化設(shè)備（醫(yī)技設(shè)備、監(jiān)護設(shè)備、智能樓宇和視頻監(jiān)控等）進入到醫(yī)院。此趨勢下，過去粗獷式的后勤管理模式已經(jīng)難以控制高漲的后勤成本。面對水、電、氣、電梯、停車、物流、視頻監(jiān)控、高值耗材等要素組成的復雜的后勤體系，醫(yī)院必須尋求創(chuàng)新技術(shù)實現(xiàn)更為精細化的管理。要解決上述問題，首先需要醫(yī)院進行有效的頂層設(shè)計，將繁多的設(shè)備統(tǒng)一至單個系統(tǒng)管理，并保證運營過程中的數(shù)據(jù)采集、數(shù)據(jù)治理、數(shù)據(jù)應用。人工智能支持下的IT/OT系統(tǒng)是一種理想的管理方式，該系統(tǒng)將信息技術(shù)（IT）與操作技術(shù)（OT）融合，并融入大數(shù)據(jù)技術(shù)進行包括物聯(lián)網(wǎng)數(shù)據(jù)在內(nèi)的異構(gòu)數(shù)據(jù)存儲以及快速數(shù)據(jù)訪問和處理；借助邊緣計算與物聯(lián)網(wǎng)技術(shù)實現(xiàn)對智慧后勤業(yè)務需求的支撐。不過，現(xiàn)階段少有企業(yè)能夠提供融合多重信息流的一體化系統(tǒng)。實際中，供應鏈、物流分屬不同解決方案。峰禾科技、國醫(yī)科技、海遇醫(yī)療、德愛惠、聯(lián)眾智慧等企業(yè)可提供SPD及對應硬件，賦能醫(yī)院供應鏈管理；三維海容、瑞仕格等則可提供特定環(huán)境下的物流系統(tǒng)。美的樓宇科技、達實智能等少數(shù)企業(yè)能夠提供醫(yī)院級的后勤系統(tǒng)。以美的樓宇科技旗下智慧醫(yī)院LIFE2.0解決方案為例，該解決方案從交通流、信息流、體驗流、能源流四個維度進行頂層規(guī)劃，全面覆蓋醫(yī)院所面向的管理者、醫(yī)護人員、病患和后勤人員等多維度人群不同空間的多元化需求。圖表8美的樓宇科技LIFE智慧醫(yī)院框架體系數(shù)據(jù)來源：美的樓宇科技大數(shù)據(jù)工具支持下，醫(yī)院各個場景產(chǎn)生的數(shù)據(jù)不再獨立，且可實時傳輸至控制中心。在這一情況下，醫(yī)院可以根據(jù)各個場景的運行情況調(diào)度及時調(diào)度資源，并根據(jù)歷史時間數(shù)據(jù)對未來場景流量進行預測。如在暖通工程這一場景，美的暖通設(shè)備匹配驅(qū)動算法軟件有效聯(lián)動，能夠自動控制各等級手術(shù)室及病房的室內(nèi)溫度、空氣濕度、空氣潔凈度、氣流分布，提高患者就醫(yī)環(huán)境的舒適度和醫(yī)院用能效率，可將相關(guān)能耗降低約30%。總的來說，全局性的智慧后勤將為醫(yī)院帶來一場管理革命。但由于醫(yī)院物流設(shè)計、暖通工程安裝等環(huán)節(jié)對于醫(yī)院的空間設(shè)計提出了很高要求，且很多醫(yī)院在設(shè)計前并未考慮復雜工程的改造。因此，智慧后勤的市場規(guī)模會伴隨醫(yī)院院區(qū)的更迭不斷提升，有望在未來持續(xù)發(fā)力。隨著現(xiàn)代醫(yī)學技術(shù)不斷更新和創(chuàng)新，醫(yī)學教育也必須不斷創(chuàng)新，保證教育方式與教育內(nèi)容的先進性，以便培養(yǎng)出具備先進醫(yī)學技能和知識的醫(yī)生。智慧醫(yī)學作為一種新的醫(yī)學教育方法，采用了現(xiàn)代信息技術(shù)，結(jié)合大數(shù)據(jù)和人工智能技術(shù)，將醫(yī)學知識技能和經(jīng)驗轉(zhuǎn)化為數(shù)字化數(shù)據(jù)，已在教育和臨床醫(yī)學實踐中豐富應用。相較于傳統(tǒng)醫(yī)學教育，智慧醫(yī)學教育具備以下特征：.人性化教學。智慧醫(yī)學在臨床醫(yī)學教育中可以根據(jù)學生的學習能力、興趣和需求進行人性化教學。例如，使用虛擬仿真技術(shù)和實驗室等工具和資源，對于不同的學生可以提供不同的個性化課程和培訓模式。“虛擬患者”可以提供一系列的可控情境，幫助學生進行實踐操作和審診，同時又不會造成真實患者的危險和風險。.實時監(jiān)測。智慧醫(yī)學可以利用傳感器和移動設(shè)備等技術(shù)實時監(jiān)測學生的實踐操作和診斷過程。這樣可以在實踐中及時發(fā)現(xiàn)學生的錯誤和欠缺，及時糾正和給出指導，引導學生不斷改進和提高。.協(xié)同學習。智慧醫(yī)學在臨床醫(yī)學教育中可以應用協(xié)同學習技術(shù)，使學生之間的互動和合作得到增強。這樣有利于增加學生之間的交流，從而促進學術(shù)研究。我們可以結(jié)合成套的代表醫(yī)學病例，對學生進行分組的探討，進而學習各種臨床技能，比如醫(yī)學寫作技巧、臨床操作操場技，以及團隊合作技巧等。.跨學科合作。智慧醫(yī)學可促進不同專業(yè)之間的合作，進而為擴大學生的科學視野和增強交流平臺出現(xiàn)，促進跨學科合作交流。臨床醫(yī)學教育可以將生物醫(yī)學科學、信息科學和生物信息學等相關(guān)學科知識結(jié)合起來，增強學生的綜合能力和創(chuàng)新意識。目前，竹石數(shù)據(jù)、憶信捷等從事臨床教學的信息化企業(yè)，以大數(shù)據(jù)、人工智能等技術(shù)應用于臨床教育醫(yī)療大數(shù)據(jù)平臺的搭建中，柯林布瑞等企業(yè)也深入其中，嘗試打造專注于教育服務以竹石數(shù)據(jù)為例，其大數(shù)據(jù)平臺能支持學校和附屬醫(yī)院不同系統(tǒng)的多源數(shù)據(jù)對接，在架構(gòu)上能滿足對這些數(shù)據(jù)進行統(tǒng)一存儲、處理、共享、分析、發(fā)掘；從業(yè)務上能支持學校對教育數(shù)據(jù)的最大化利用，實現(xiàn)數(shù)據(jù)的互通共享，科研、教學、管理等多個層次的使用，發(fā)掘教育教學規(guī)律，輔助教育決策，提升教育治理水平。圖表9竹石信息醫(yī)教大數(shù)據(jù)平臺整體架構(gòu)及功能分層定位數(shù)據(jù)來源：竹石信息此外，該大數(shù)據(jù)平臺能夠?qū)雍椭卫砼R床教學過程中海量的臨床教學數(shù)據(jù)，并且能夠使用流處理來應對學校系統(tǒng)中的一些實時數(shù)據(jù)（如設(shè)備和資源使用情況的監(jiān)控數(shù)據(jù)進而為學校提供功能豐富且安全可靠的教育大數(shù)據(jù)平臺和相關(guān)的配套分析應用。盡管大量醫(yī)院已經(jīng)意識到了醫(yī)療大數(shù)據(jù)的潛在價值，但在實際基礎(chǔ)設(shè)施建設(shè)過程中，仍會存在一定問題。整合各位專家觀點，蛋殼研究院將其梳理如下：臨床數(shù)據(jù)中心，即臨床數(shù)據(jù)存儲庫（clinicaldatarepository，CDR），是一個通過標準信息表達和臨床術(shù)語支撐的臨床數(shù)據(jù)庫，集成了來自醫(yī)院不同臨床信息系統(tǒng)的業(yè)務數(shù)據(jù)，實現(xiàn)多個業(yè)務域之間臨床數(shù)據(jù)的存儲。過去，CDR一直承擔著日常業(yè)務的支撐功能，能夠針對患者個體進行多方面的信息收集，實現(xiàn)醫(yī)療過程中的數(shù)據(jù)收集與呈現(xiàn)、常規(guī)報表統(tǒng)計等功能，具有實時性、長期性與穩(wěn)定性。相較之下，新一代大數(shù)據(jù)中心則是服務管理和科研過程中的數(shù)據(jù)分析處理，其作用是面向臨床研究、醫(yī)院管理與智能產(chǎn)品開發(fā)，滿足數(shù)據(jù)批量處理的挖掘與分析需求。目標對象不同外，兩類數(shù)據(jù)庫的差異還在于數(shù)據(jù)收集、工作模式、技術(shù)形態(tài)。數(shù)據(jù)收集方面，大數(shù)據(jù)中心在進行分析工作時，不僅需要業(yè)務數(shù)據(jù)，還需要患者的隨訪數(shù)據(jù)、基因數(shù)據(jù)等。工作模式方面大數(shù)據(jù)中心的統(tǒng)計挖掘工作具備主觀、大批量的特征，目的性較強，而CDR處理的工作具備日常、規(guī)律性等特征，義務性較強。技術(shù)形態(tài)方面，大數(shù)據(jù)中心需要分布式并行系統(tǒng)進行數(shù)據(jù)挖掘，而CDR會采用關(guān)系數(shù)據(jù)庫，保障實時處理醫(yī)療數(shù)據(jù)。總的來說。在以臨床為中心的單一目的醫(yī)院管理時代，醫(yī)院建立CDR已經(jīng)足夠滿足業(yè)務方面的需求。但隨著科研需求的增加，新一代大數(shù)據(jù)中心將借助CDR的基礎(chǔ)能力，在醫(yī)院系統(tǒng)之中發(fā)揮更為重要的作用。.信息中心部門之外，醫(yī)院是否需要另設(shè)大數(shù)據(jù)中心部門？大數(shù)據(jù)中心和信息中心的職能與特點不同：傳統(tǒng)的信息中心通常以信息系統(tǒng)建設(shè)和運維為主要職能，而大數(shù)據(jù)中心的職能是提供數(shù)據(jù)服務，尤其是為臨床醫(yī)學研究提供服務，這些服務是個性化的，需要特定技能的團隊來提供。大數(shù)據(jù)中心和信息中心的關(guān)系又非常緊密，大數(shù)據(jù)中心的建設(shè)緊密地依賴于醫(yī)院的信息化建設(shè)，所有的數(shù)據(jù)都來源于信息系統(tǒng)，二者密不可分。另外在數(shù)據(jù)質(zhì)量方面，也需要通過信息化建設(shè)來不斷提升數(shù)據(jù)質(zhì)量。解放軍總醫(yī)院信息科高級工程師薛萬國曾在HIT專家網(wǎng)上發(fā)表意見，他認為：理想的狀態(tài)是信息中心提供原始數(shù)據(jù)，大數(shù)據(jù)中心分析數(shù)據(jù)、建立模型，所得成果再通過醫(yī)院信息系統(tǒng)賦能臨床。二者的緊密結(jié)合，可以在諸如靜脈血栓栓塞癥（VTE）風險預測、醫(yī)療質(zhì)量控制、臨床輔助決策等方面發(fā)揮重要作用。他還表示：大數(shù)據(jù)中心和信息中心并非簡單的分與合的問題，應該在醫(yī)院內(nèi)建立一個大信息體制，這個體制要體現(xiàn)出大數(shù)據(jù)中心是傳統(tǒng)醫(yī)院信息化內(nèi)涵的擴展。至于大數(shù)據(jù)中心是否需要獨立設(shè)置，這只是行政管理、分工管理上的形式問題。.專病數(shù)據(jù)庫是不是數(shù)據(jù)研究的必由之路？目前醫(yī)院常見的專病數(shù)據(jù)庫分為兩種：一種是基礎(chǔ)病例庫，也即在建庫時并未確定具體的研究問題，因此一般要求特征數(shù)越全越好，數(shù)據(jù)整理的工作量很大；一種是面向問題的病例庫，也即針對特定科研課題的數(shù)據(jù)收集，對數(shù)據(jù)質(zhì)量要求較高。過往在建立專病數(shù)據(jù)庫時，需要臨床科室對所有病例數(shù)據(jù)進行人為加工，其優(yōu)點是數(shù)據(jù)質(zhì)量高、后期的數(shù)據(jù)處理量小，缺點是工作量巨大，需要建立長期的工作機制，臨床科室往往很難把這件事堅持下來。這也是大部分專病數(shù)據(jù)庫效果不佳的主要原因。薛萬國認為：當醫(yī)院建有大數(shù)據(jù)中心和相應的服務能力以后，可以將病例原始數(shù)據(jù)整合在數(shù)據(jù)資源池內(nèi)，臨床科研人員針對具體的研究問題，利用大數(shù)據(jù)中心提供的服務進行數(shù)據(jù)加工、特征抽取和數(shù)據(jù)分析。這種方式的優(yōu)點是前期的工作量小、難度低，適合缺乏長期專門團隊的臨床科室，缺點是數(shù)據(jù)質(zhì)量不及專病數(shù)據(jù)庫。這種方式的好處在回顧性科研課題中表現(xiàn)較為明顯。在信息使用權(quán)限方面，醫(yī)院大數(shù)據(jù)的信息安全領(lǐng)域并沒有明確的法律規(guī)定，這就造成醫(yī)療大數(shù)據(jù)信息安全防火墻缺失，構(gòu)成了信息安全隱患。醫(yī)療大數(shù)據(jù)的有關(guān)信息，也在一定程度上涉及個人隱私問題，因此必須對個人數(shù)據(jù)安全給予高度重視。部分醫(yī)院在推進醫(yī)療大數(shù)據(jù)建設(shè)的過程中，并沒有全面認識到建立隱私保護、知識產(chǎn)權(quán)、數(shù)據(jù)信息安全等方面的醫(yī)療大數(shù)據(jù)法律與技術(shù)保障體系的重要性。因此，醫(yī)院不僅需要加強對隱私保護立法的認識，為個人醫(yī)療信息的保密提供法律保障，還需要在居民健康信息管理過程中，明確信息使用權(quán)限。醫(yī)療數(shù)據(jù)安全技術(shù)保障領(lǐng)域，部分醫(yī)院的醫(yī)療大數(shù)據(jù)的安全和個人醫(yī)療數(shù)據(jù)的隱私保護同樣需要加強建設(shè)。關(guān)于系統(tǒng)保護方面，部分醫(yī)院在這方面的系統(tǒng)保護做得還不夠。就目前來看，響。因此，醫(yī)院應建立安全信息通報制度，規(guī)范化風險隱患化解方案和應對工作措施。.是否需要獨立招募大數(shù)據(jù)治理相關(guān)人才？醫(yī)療大數(shù)據(jù)建設(shè)是一項具體的龐大工程，在這項工程建設(shè)中，許多專業(yè)性較強的事務需要大量的專業(yè)性人才來完成。當前，大部分醫(yī)院嚴重缺少醫(yī)療信息人才，更缺少高素質(zhì)的復合型信息技術(shù)人才，嚴重制約了醫(yī)療大數(shù)據(jù)建設(shè)。由于醫(yī)療大數(shù)據(jù)建設(shè)中的技術(shù)工作對人員要求較高，一般技術(shù)人員難以勝任，導致醫(yī)院內(nèi)高水平的信息技術(shù)人員數(shù)量不足。因此，醫(yī)院應招募特定人才執(zhí)行大數(shù)據(jù)治理相關(guān)工作，保證建設(shè)的合理性與高效性。早期紛繁復雜的存儲、清洗、分類，其根本目的是要構(gòu)成標準化的數(shù)據(jù)集，服務于應用的打造及運營。因此，如何在構(gòu)建醫(yī)療大數(shù)據(jù)集之后實現(xiàn)數(shù)據(jù)的高效應用，成為輸出醫(yī)療大數(shù)據(jù)價值的關(guān)鍵所在?！度窠】敌畔⒒{(diào)查報告》曾對現(xiàn)有的醫(yī)療數(shù)據(jù)的應用情況做出分析：現(xiàn)階段醫(yī)院各項大數(shù)據(jù)應用仍處于低位，三級醫(yī)院應用數(shù)量占比不足20%，二級醫(yī)院應用數(shù)量占比不足5%。其中，三級醫(yī)院的運營、臨床數(shù)據(jù)；二級醫(yī)院的健康數(shù)據(jù)應用相對較多，其余數(shù)據(jù)仍需進一步發(fā)掘應用。圖表10各類醫(yī)院大數(shù)據(jù)應用開展情況數(shù)據(jù)來源：《全民健康信息化調(diào)查報告》缺失的應用比率正是科技醫(yī)療公司的機遇所在。本章將圍繞大數(shù)據(jù)下的智慧應用建設(shè)，討論科技公司在大數(shù)據(jù)時代面臨的歷史性機遇。作為數(shù)據(jù)資產(chǎn)化中最具價值潛力的一類數(shù)據(jù)，臨床信息化建設(shè)的進步不斷推動基于大規(guī)模醫(yī)療數(shù)據(jù)的臨床真實世界研究，以電子病歷為數(shù)據(jù)源建立臨床研究數(shù)據(jù)庫的需求愈發(fā)繁多，臨床科研數(shù)據(jù)庫系統(tǒng)的功能需求及支撐技術(shù)也在不斷發(fā)展演化。因此，在傳統(tǒng)的病例數(shù)據(jù)收集和利用模式發(fā)生變化的背景下，總結(jié)分析臨床科研數(shù)據(jù)庫系統(tǒng)的發(fā)展對于完善臨床科研數(shù)據(jù)庫建設(shè)、提升臨床科研支撐水平、打造基于臨床大數(shù)據(jù)的相關(guān)應用具有重要意義。根據(jù)《臨床決策支持系統(tǒng)的構(gòu)建與應用》的定義，臨床決策支持系統(tǒng)（ClinicalDecisionSupportSystem，簡稱CDSS）是指運用系統(tǒng)的臨床知識和患者基本信息及病情信息，加強醫(yī)療相關(guān)的決策和行動，提高醫(yī)療質(zhì)量和醫(yī)療服務水平的計算機應用系統(tǒng)。簡而言之，CDSSCDSS的結(jié)構(gòu)通常由知識庫、推理機和人機交流三個部分組成。最早的CDSS又稱專家系統(tǒng)，雖也能對已知信息和數(shù)據(jù)的分析與解釋，確定它們的含義，但由于數(shù)據(jù)庫包含數(shù)據(jù)有限、邏輯推理規(guī)則較為簡單，這類一方面嚴重依賴專家經(jīng)驗，且無自主學習能力，難以應對復雜問題。人工智能與大數(shù)據(jù)相關(guān)技術(shù)及相關(guān)企業(yè)的出現(xiàn)重新定義了CDSS的能力，推進了專科CDSS的發(fā)展。數(shù)據(jù)層面，衛(wèi)和醫(yī)學等權(quán)威知識庫提供方以實時更新、自動化處理、可解釋內(nèi)核的動態(tài)數(shù)據(jù)庫取代了傳統(tǒng)靜態(tài)數(shù)據(jù)庫，為知識圖譜的構(gòu)建提供的權(quán)威全面的醫(yī)學知識支撐。圖表11衛(wèi)和數(shù)字生命體征醫(yī)學模型數(shù)據(jù)來源：衛(wèi)和醫(yī)學治療、護理、手術(shù)、合理用藥等方面的決策支持；為具體疾病提供建議、提醒、報警、計算、預測方面的決策支持。圖表12醫(yī)院采購CDSS產(chǎn)品涉及的主要系統(tǒng)數(shù)據(jù)來源：蛋殼研究院現(xiàn)階段下，CDSS需要突破的難點大致分為兩點。其一，全科CDSS已經(jīng)很好地將權(quán)威的知房顫等醫(yī)療場景中獲取一致認可，但受制于數(shù)據(jù)獲取、場景認知等因素，創(chuàng)新產(chǎn)品的開發(fā)速度仍有待提升。人工智能的能力界限取決于算法、算力、知識、數(shù)據(jù)四大要素。對于初創(chuàng)公司而言，算法可以借助開源模型修改，算力可以購置GPU獲，知識可以尋求權(quán)威知識庫合作。唯獨數(shù)據(jù)，既需要企業(yè)同醫(yī)院取得合作，協(xié)助治理數(shù)據(jù)，建立高質(zhì)量數(shù)據(jù)集，又需要導入模型，逐步調(diào)試參數(shù)，取得合適的訓練結(jié)果。與?？艭DSS面臨的問題類似，創(chuàng)新人工智能輔助診斷系統(tǒng)的開發(fā)同樣受制于病種數(shù)據(jù)的限制，因而醫(yī)療大數(shù)據(jù)的快速發(fā)展將幫助AI公司以更低成本獲取更高質(zhì)量、更大規(guī)模的數(shù)據(jù)，突破現(xiàn)有應用場景的局限性，進而顛覆AI賽道的發(fā)展。伴隨影像數(shù)據(jù)標準化的推進，人工智能輔助診斷系統(tǒng)已經(jīng)突破了眼底、肺結(jié)節(jié)等傳統(tǒng)應用場景，實現(xiàn)了多模態(tài)、多病種、全流程的覆蓋，甚至深入治療領(lǐng)域，輔助手術(shù)導航。以沛心科技的“智心”CardioVerse為例，該AI劃系統(tǒng)，可幫助術(shù)者進行手術(shù)風險評估，指導手術(shù)策略，保障TAVR手術(shù)安全性，提升手術(shù)成功率，助力TAVR術(shù)式下沉。電、控、軟、算等多學科，實現(xiàn)全自動組織病灶識別、手術(shù)自動路徑規(guī)劃和穿刺引導及消融規(guī)劃評估，幫助醫(yī)生準確定位病灶、提高穿刺準確度、減少患者手術(shù)創(chuàng)傷、縮短手術(shù)時間、降低術(shù)中和術(shù)后并發(fā)癥的發(fā)生、減少術(shù)中CT掃描次數(shù)和輻射，從而輔助醫(yī)生更準確、更快速的完成經(jīng)皮穿刺下的早期癌癥消融的手術(shù)操作。真實世界研究是指針對預設(shè)的臨床問題，在真實世界環(huán)境下收集與研究對象健康和疾病有關(guān)的數(shù)據(jù)（真實世界數(shù)據(jù)）或基于這些數(shù)據(jù)衍生的匯總數(shù)據(jù)，通過分析，獲得藥物或相關(guān)器械使用情況及潛在獲益－風險的臨床證據(jù)（真實世界證據(jù)）的研究過程。真實世界研究可以是觀察性研究，也可以是干預性研究。與傳統(tǒng)隨機對照試驗（randomizedcontrolledtrial,RCT）不同，真實世界研究的數(shù)據(jù)來自真實臨床場景，證據(jù)外推性好，可用數(shù)據(jù)量大，研究易于開展，成本相對較低，可幫助研究者發(fā)現(xiàn)臨床實際情況與理想RCT研究之間的差距。有效的真實世界研究一定程度依賴于研究者對于醫(yī)療大數(shù)據(jù)的分析管理能力。在構(gòu)建數(shù)據(jù)集時，研究者應執(zhí)行可行性評估、數(shù)據(jù)質(zhì)量控制、方案分析、方案評價、輸出與反饋、安全與合規(guī)六個環(huán)節(jié)，過程中需要完成數(shù)據(jù)評估、數(shù)據(jù)獲取、數(shù)據(jù)存儲、數(shù)據(jù)清洗、模型建立等工作，非常依賴大數(shù)據(jù)平臺的處理能力。將大數(shù)據(jù)分析技術(shù)應用到醫(yī)院運營管理當中，能夠在海量的大數(shù)據(jù)中挖掘出最具價值的數(shù)據(jù)信息，保證醫(yī)療企業(yè)中的各項管理工作得以順利展開。在相關(guān)醫(yī)療IT企業(yè)的支撐下，部分醫(yī)院經(jīng)營數(shù)據(jù)已得到了充分分析應用，管理人員結(jié)合大數(shù)據(jù)分析平臺提供的各項數(shù)據(jù)，全面了解醫(yī)院各科室經(jīng)營管理情況，對原有的經(jīng)營管理制度及經(jīng)營狀態(tài)進行實時調(diào)整?；诖髷?shù)據(jù)的病種組合（DIP）是利用大數(shù)據(jù)優(yōu)勢建立起的完整管理體系。該體系應用“隨機”與“均值”的經(jīng)濟學原理，借助真實海量的病案數(shù)據(jù)，發(fā)現(xiàn)疾病與治療之間的內(nèi)在規(guī)律與關(guān)聯(lián)關(guān)系，提取數(shù)據(jù)特征進行組合，并將區(qū)域內(nèi)每一種疾病與治療資源消耗的均值與全樣本資源消耗的均值進行比對，形成DIP分值。目前，DIP主要適用于住院醫(yī)療費用結(jié)算，精神病、康復類及護理類等住院時間較長的病例不宜納入，其適應性及擴展性可探索應用于門診付費標準的建立。DIP與DRG的邏輯大致相同，均以將資源消耗相似的病例進行聚類作為理論基礎(chǔ)，形成若干病種組。但DRG分組按照MDC-ADRG-DRGs的三層邏輯，一般只包含600-800組，而DIP以一級至三級目錄遞進的方式完成建立支付病種表，二級目錄約3000組，三級目錄共計16000組。此外，DRG從醫(yī)學理論出發(fā)，落足于數(shù)據(jù)分析，每一組都嚴格遵照從解剖系統(tǒng)，到疾病治療方式，再到病案個體特征的分層邏輯；而DIP則是基于客觀的大數(shù)據(jù)事實，目前，DIP的落地方式通常分成兩步走：第一步僅基于主目錄，即主診斷+主操作+病例數(shù)進行落地，不考慮次要診斷，腫瘤轉(zhuǎn)移，放化療及離院方式等因素，故對數(shù)據(jù)質(zhì)量要求較低。第二步則需加入病種第三層輔助目錄進行考量，即腫瘤程度及病情程度，對次要診斷填寫要求較高。因此，信息化水平較差的地區(qū)可以率先開展第一步，待基礎(chǔ)數(shù)據(jù)質(zhì)量得以提升后，再對病種進行細分更新。這種模式下，支付改革的進程就不會受到數(shù)據(jù)質(zhì)量的制約，更容易在數(shù)據(jù)基礎(chǔ)建設(shè)較差的醫(yī)院進行推廣。信息化水平較高的地區(qū)可直接進行第二步，快速完成DIP部署。DIP對于醫(yī)院運營決策的促進作用主要分為以下三點。一、DIP促進醫(yī)療機構(gòu)加強費用控制，提高經(jīng)濟運營效率。DIP結(jié)算對樣本醫(yī)院的經(jīng)營管理提出了較高要求。樣本醫(yī)院圍繞病種分值與單價、時間與費用消耗指數(shù)等關(guān)鍵指標，建立院內(nèi)運行評價體系，提質(zhì)控費，促進科室提高經(jīng)濟運行效率。樣本城市醫(yī)療保障部門要求，醫(yī)療機構(gòu)每年人均費用增長不高于當?shù)谿DP增幅，同時將費用消耗指數(shù)及時間消耗指數(shù)兩項資源消耗指標納入考評范圍該院多部門協(xié)同，緊密圍繞DIP病種，進行成本效益分析，努力降低病種費用?！禗IP改革賦能三級醫(yī)療機構(gòu)發(fā)展內(nèi)涵的實踐與應用研究》以子宮多發(fā)性平滑肌瘤行腹腔鏡子宮病損切除術(shù)為例分析了DIP的價值。該研究將某醫(yī)院的子宮多發(fā)性平滑肌瘤行腹腔鏡子宮病損切除術(shù)病歷分為五組，應用DIP后計算費用結(jié)果。數(shù)據(jù)顯示：不同診療組之間盈虧狀況具有明顯差異（P<0.05）。診療組C盈利1245.53元，診療組E虧損1263.14元，診療組C與診療組E的藥品折合分值分別為35.93、44.47，耗材折合分值分別為53.47、60.46。虧損診療組藥品、耗材分值均高于盈利診療組，不同診療組間藥品、耗材分值具有明顯差異（P<0.05）該病種成本結(jié)構(gòu)可以進一步控制、優(yōu)化。圖表13不同診療組子宮多發(fā)性平滑肌瘤行腹腔鏡子宮病損切除術(shù)費用比較（P<0.05）數(shù)據(jù)來源：《DIP改革賦能三級醫(yī)療機構(gòu)發(fā)展內(nèi)涵的實踐與應用研究》二、通過入組規(guī)則及輔助目錄促進醫(yī)療機構(gòu)提高病案編碼與質(zhì)控水平DIP嚴格按照診斷編碼前四位及手術(shù)、操作編碼組合入組，同時考慮患者具有多項并發(fā)癥、高齡與疾病嚴重程度等因素，建立輔助目錄內(nèi)容包含疾病嚴重程度、腫瘤嚴重程度分型、次要診斷病種_年齡特征病種、CCI指數(shù)等多項內(nèi)容。上述規(guī)則促使醫(yī)療機構(gòu)加強病案首頁質(zhì)控管理，準確填寫各項診斷與操作，不漏填、少填，爭取醫(yī)保費用得到合理結(jié)算三、促進醫(yī)療機構(gòu)提高CMI值，提升核心競爭力DIP支付體系鼓勵了三級醫(yī)療機構(gòu)嚴格控制基層病種的收治，提高疑難危重患者收治比例。對于費用極高患者，醫(yī)保實行特例單議。醫(yī)保多種措施促進醫(yī)院調(diào)整病種結(jié)構(gòu)，不斷提升核心競爭力。DIP付費實施以來，樣本醫(yī)院按院－科－組能力評價結(jié)構(gòu)，確定“學科、技術(shù)、質(zhì)量、費用、效益”五個維度評價的《基于病種管理的臨床發(fā)展能力評價體系》，共16個二級指標、51個三級指標，全面評價臨床科室發(fā)展能力，確定優(yōu)勢病種，推動價值醫(yī)療，構(gòu)建醫(yī)院學科發(fā)展新格局。在DRG/DIP發(fā)展過程中，大量醫(yī)院為滿足政策要求將DRG/DIP體系的能力范疇局限于第一維度。而醫(yī)保數(shù)據(jù)貫穿不同醫(yī)療業(yè)務單元，其應用場景串聯(lián)全院管理鏈條，它不僅僅可充當醫(yī)?？刭M的工具，亦有能力激活全院數(shù)據(jù)智能，成為醫(yī)院精細化高質(zhì)量“轉(zhuǎn)舵”的抓手。因此，在第二維度中，醫(yī)院需要與資源消耗管理、精細運營管理、臨床路徑管理等路徑深度結(jié)合，幫助醫(yī)院從全過程規(guī)范管理，到一體化精細運營，直至以資源消耗路徑優(yōu)化臨床路徑，通過將病案質(zhì)控、診間監(jiān)管、醫(yī)保結(jié)算清單質(zhì)控融入DRG/DIP/APG醫(yī)院智能管理系統(tǒng)，實現(xiàn)醫(yī)生填寫病案時即開始審方、監(jiān)管、質(zhì)控，并利用預測性分析技術(shù)，根據(jù)即時診斷和手術(shù)預測分組展示不同分組方案，幫助醫(yī)院在DRG/DIP/APG預分組、支付標準和結(jié)算差異等方面前置干預，過程預警。在動態(tài)監(jiān)測、靶向定位可能存在的監(jiān)管風險后，適度、規(guī)范管控，一站式結(jié)算－質(zhì)控－上傳－歸檔－反饋－申訴，保障數(shù)據(jù)上傳及時、準確、全面，提升醫(yī)院一體化管理能力。其次是“DRG/DIP+”精細化資源消耗管理驅(qū)動精益運營。面對醫(yī)院醫(yī)保醫(yī)療服務與運營管理的痛點及實際需求，基于豐富的病案質(zhì)控規(guī)則，國新健康“DRG/DIP+院內(nèi)績效分配”針對醫(yī)保支付和衛(wèi)健考核形成一體化解決方案，深入各業(yè)務場景持續(xù)挖掘分析，聚焦問題、落實精準，有效幫助醫(yī)院將績效考核指標轉(zhuǎn)化為業(yè)務運營管理。在此基礎(chǔ)上，其“DRG/DIP+醫(yī)院全成本核算和預算管理”，從院級成本、科室成本、項目成本向病組成本和病種成本深化，促進臨床診療規(guī)范，并挖掘醫(yī)院優(yōu)勢病種，助力形成特色學科。同時，國新健康依據(jù)成本核算數(shù)據(jù)做出成本預算，將預算管控點前移至業(yè)務端，在符合臨床服務與科研教學業(yè)務發(fā)展要求、人財物聯(lián)動資源配置需求的前提下，預警醫(yī)生端藥耗使用、監(jiān)測運營端設(shè)備資源配置，并融入績效考核中，從而激勵醫(yī)務人員主觀能動性，助力醫(yī)院逐核算為基礎(chǔ)的醫(yī)院精益運營。最后是優(yōu)化臨床路徑實現(xiàn)質(zhì)效融合。DRG/DIP/APG在院內(nèi)形成的是資源消耗路徑，以資源消耗路徑優(yōu)化臨床路徑，實則是通過對DRG/DIP/APG的指標分解，從服務能力、服務效率、質(zhì)量安全三個方面，建立一套診療全過程管理工具，重塑“質(zhì)量－效益”管理新模式。在DRG/DIP/APG的政策觸發(fā)下，醫(yī)院將以提升藥物合理使用、提高檢查檢驗合理使用、加強平均住院日管理、加強超支病組管理等為關(guān)鍵抓手，打通以臨床業(yè)務為源頭，通過合理診療、因病施治，改善資源配置，提高服務質(zhì)量，激勵協(xié)同合作，進而反哺臨床的PDSA醫(yī)院一體化精細運營管控路徑，實現(xiàn)兼顧醫(yī)療質(zhì)量與衛(wèi)生經(jīng)濟雙提升的“質(zhì)效”融合?？偟膩碚f，國新健康的方案立足于醫(yī)保支付本位、深入醫(yī)療業(yè)務及管理全過程、擴展“DRG/DIP+”一體化運營服務的行業(yè)布局，有助力醫(yī)療機構(gòu)逐步形成數(shù)據(jù)采集標準、使用規(guī)范統(tǒng)一，以病種和臨床路徑為單元、醫(yī)保支付為基準、全成本核算為結(jié)果、價值醫(yī)療為導向的全面精益運營管理體系，進而實現(xiàn)三級醫(yī)院“國考”排名的有效提升。相較于院內(nèi)大數(shù)據(jù)，院外大數(shù)據(jù)歸屬于數(shù)據(jù)生產(chǎn)方，產(chǎn)權(quán)清晰，能夠更加針對性地構(gòu)建平臺，開發(fā)應用。因此，不少IT企業(yè)針對藥房、保險等機構(gòu)設(shè)計大數(shù)據(jù)應用，提升經(jīng)營管理效率，縮減銷售運營成本。新冠病毒的肆虐為社會帶來了許多消極影響，但也推動了不少互聯(lián)網(wǎng)技術(shù)的進步。在藥店領(lǐng)域，消費者對于智慧藥店的認知大幅度進化，進而也倒逼藥店經(jīng)營者理念發(fā)生轉(zhuǎn)化，智慧門店無疑成為新零售的前臺和主戰(zhàn)場。該形勢下，藥店同時面臨挑戰(zhàn)與機遇，一方面需要利用人工智能、大數(shù)據(jù)等技術(shù)建立智能化平臺，通過分析各類數(shù)據(jù)提升連鎖藥店管理能力，另一方面可利用現(xiàn)有互聯(lián)網(wǎng)資源幫助連鎖藥店探索新的盈利途徑。部分企業(yè)協(xié)同智慧藥房為患者提供個性化、專業(yè)化的健康管理服務。通過患者的身體數(shù)據(jù)和健康狀況等信息，智慧藥房可以為患者提供更加全面、細致、貼心的健康服務，例如為患者推薦合適的藥品、健康飲食和運動計劃等，擴展藥房業(yè)務范疇。也有企業(yè)借助大數(shù)據(jù)技術(shù)及模型創(chuàng)新著力極具潛力的創(chuàng)新藥院外市場，打開藥房銷售新增長點。譬如，上藥云健康通過樹立“益藥”全國一體化品牌，以構(gòu)建專業(yè)藥事服務能力為基石，全渠道打造全國領(lǐng)先的一體化專業(yè)藥房體系。2021年上藥云健康收購融合百濟新特藥藥房、康德樂大藥房；同時整合上藥院邊藥房，納入“益藥”網(wǎng)絡，DTP業(yè)務進一步整合，逐步形成以“益藥”系列為核心的全國新特藥銷售與服務品牌，作為中國最早開展新特罕?？撇》N服務的專業(yè)藥房，上藥云健康“益藥·藥房”經(jīng)營6大病種科組，130+個重大疾病和慢病病種。擁有業(yè)界認可的培訓團隊、藥師團隊及患教團隊，以更好地為患者提供標準化、專業(yè)化的藥學服務，確保用藥的安全性和有效性?！耙曰颊邽橹行摹保ㄟ^藥學服務準備（內(nèi)容建設(shè)、藥師培訓）、標準化患者服務過程、專業(yè)化藥物治療管理（線上科普、患者治療跟蹤、信息完善和數(shù)據(jù)分析、患教活動）實現(xiàn)全程化的藥學專業(yè)服務路徑，提升患者的治療信心和用藥依從性。與傳統(tǒng)零售藥店模式不同，DTP藥房銷售主要是單價較高、存儲條件較為嚴格的新特藥，主要包括腫瘤藥、罕見病用藥等，且構(gòu)建了一個連接醫(yī)、患、藥、保的綜合服務平臺，以病人為中心提供專業(yè)化、個性化、全周期的健康管理服務。同時，作為院外重要的患者管理與服務場所，DTP藥房對腫瘤患者的全程管理具有重要的作用和價值。一項在美國西維斯特藥藥房開展的回顧性研究顯示，在藥房藥師和患者間建立雙向的信息溝通模式可有效提高慢性粒細胞白血病患者的治療依從性。相比之下，國內(nèi)與DTP相關(guān)的RWS較少，但伴隨上藥云健康、思派健康、零氪科技等企業(yè)的介入，相關(guān)探索有所增加。2021年思派健康旗下思派大藥房聯(lián)合北京大學醫(yī)學部展開國內(nèi)首份《DTP藥房患者管理服務效果的真實世界研究》，該《研究》采用回顧性隊列研究設(shè)計方法，利用全國79家思派大藥房的銷售及隨訪數(shù)據(jù)，對2019-2020年間購買PD-1/L1類藥物患者的購藥和隨訪數(shù)據(jù)進行回顧性分析。研究結(jié)果顯示，與隨訪接通率小于30%的人群比較，隨訪接通率大于70%的患者治療中斷及隨訪中斷的風險分別下降21%和42%；治療中出現(xiàn)不良事件的患者，中斷治療及隨訪的風險分別下降了24%和31%。上藥云健康同樣在專業(yè)化患者服務和提升患者依從性方面進行了廣泛研究。該企業(yè)打造了DTP一體化平臺，擁有60余個品規(guī)，鏈接600+家自營以及合作DTP藥房。通過完整的數(shù)據(jù)鏈條和全景圖，為藥企提供患者療效分析報告、患者黏性報告、用藥人群畫像、渠道分析報告、銷量分析報告等全生命周期患者旅程服務。未來，基于與藥企長期在臨床領(lǐng)域開展對照藥、器械、患者招募等方面的合作，業(yè)務觸角將進一步向全周期數(shù)字化賦能方面延伸?；谒幏烤W(wǎng)絡和線上平臺，匯集完善的患者數(shù)據(jù)池，通過專業(yè)的藥事服務，增加與患者的觸點，提升患者洞見的深度和廣度，優(yōu)化患者服務能力。圖表14上藥云健康益藥DTP一體化平臺數(shù)據(jù)來源：上藥云健康歷經(jīng)30余年發(fā)展，我國健康險行業(yè)已經(jīng)取得長足進展，2019年健康險原保險保費收入達到7066億元，近十年的年復合增長率超過28%。健康險，尤其是醫(yī)療險，非常考驗企業(yè)精細化運營，過程中的風險定價需要大量的數(shù)據(jù)支撐。但由于缺乏醫(yī)療數(shù)據(jù)對接和共享機制，精算數(shù)據(jù)庫無法得到擴充，因此健康險的產(chǎn)品創(chuàng)新受到抑制，同質(zhì)化現(xiàn)象愈發(fā)嚴重。以惠民保產(chǎn)品舉例，本應“一城一策”、根據(jù)不同地區(qū)居民健康狀況來定價，但在市場白熱化競爭的驅(qū)使下，為了盡快搶占市場，不僅條款相似度非常高，定價缺乏足夠的醫(yī)保數(shù)據(jù)支撐。同時，在基本醫(yī)療保險形成廣覆蓋、保基礎(chǔ)供給的同時，商業(yè)健康險的發(fā)展相對滯后，沒有完全發(fā)揮其市場靈活性，在產(chǎn)業(yè)鏈中的地位也相對弱勢，尚未能借助其支付者的優(yōu)勢串聯(lián)起醫(yī)療健康產(chǎn)業(yè)鏈。在經(jīng)營管理上，許多險企也很難脫離“泛壽險化”經(jīng)營的慣性，產(chǎn)品結(jié)構(gòu)單一、渠道開拓使用成本高、專業(yè)化水平低、風控手段滯后、盈利難度高等問題一直未能得到很好地解決。從長期角度看，商業(yè)健康保險需重新定位其醫(yī)療健康產(chǎn)業(yè)鏈支付角色這一優(yōu)勢，通過串聯(lián)用戶、醫(yī)、藥、健康管理等多方利益體，構(gòu)建醫(yī)療健康生態(tài)價值鏈，形成事前預防、事中診療和事后管理的閉環(huán)健康服務：同時通過與基本醫(yī)保的差異化定位、充分依托大數(shù)據(jù)技術(shù)優(yōu)化行業(yè)經(jīng)營，尋找新的利潤空間，改變被動支付、依靠傳統(tǒng)三差的單一盈利模式，探索新的商業(yè)發(fā)展模式。在廣度上，構(gòu)建覆蓋全渠道、全人群、全生命周期的健康險產(chǎn)品供給體系。在深度上，依托社保目錄到建立供需聯(lián)動、風險可控的動態(tài)商保目錄。在生態(tài)上，變基礎(chǔ)采購為融合共生，平衡和重構(gòu)保障邊界帶來的風險成本。在風控上，串聯(lián)醫(yī)療資源與商保供給，創(chuàng)新支付模式，建立風險共擔機制。實現(xiàn)上述轉(zhuǎn)型發(fā)展，一個重要的依托就是健康醫(yī)療大數(shù)據(jù)。在以前信息化和數(shù)字化程度還沒有達到極大豐富、互聯(lián)互通的時候，主要是以人工方式來搬運信息；隨若醫(yī)改深化和醫(yī)保信息化水平不斷提升.社商數(shù)據(jù)聯(lián)通成為可能，這就讓商業(yè)健康險有機會走出現(xiàn)有的經(jīng)驗邏輯，真正地從客戶保障需求出發(fā)，建立面向不同用戶的、精準定制化的全生命周期保險保障供給，基于數(shù)據(jù)突破現(xiàn)有的以保健態(tài)供給體系。此外，健康保險業(yè)務對客戶個人信息的安全和保密性要求非常高現(xiàn)在有越來越多的健康數(shù)據(jù)可供利用，如智能手表、健康監(jiān)測器等，這些設(shè)備可以收集到客戶的身體健康狀況，如心率、血壓等。如果可以將健康數(shù)據(jù)與個人風險結(jié)合，保險公司可以更準確地評估客戶的風險水平，并為客戶提供個性化的健康保險服務?？茖W高效的突發(fā)公共衛(wèi)生事件防控措施是應對突發(fā)公共衛(wèi)生事件的關(guān)鍵。在突發(fā)公共衛(wèi)生事件爆發(fā)后，能夠基于聯(lián)邦學習，關(guān)聯(lián)醫(yī)療、交通、通訊、教育等多源數(shù)據(jù)，可視化展示疫情發(fā)展相關(guān)數(shù)據(jù)和知識，并支持大規(guī)模核酸檢測、密接和次密接排查、社區(qū)隔離管控、患者治療、應急物資調(diào)配、疫苗接種等。如在患者治療過程中，通過聯(lián)邦學習開展跨地區(qū)、跨機構(gòu)協(xié)作共享，涉及病人隱私的電子病歷、電子健康檔案、病癥、病理報告、檢查檢驗結(jié)果等數(shù)據(jù)各級醫(yī)療機構(gòu)可實現(xiàn)共享，通過患者癥狀、檢查檢驗結(jié)果、診斷、治療等數(shù)據(jù)，運用決策樹算法，發(fā)現(xiàn)大量病例中蘊含的規(guī)律，建立疾病診斷和治療模型，輔助醫(yī)生疾病診療。在應急物資調(diào)配中，需要涵蓋各級衛(wèi)生健康行政部門、政府、疾病預防控制機構(gòu)、醫(yī)療機構(gòu)、街道社區(qū)等龐雜的機構(gòu)體系，如何動態(tài)掌握應急物資儲備情況、缺口種類和數(shù)量，最大限度發(fā)揮應急物資使用效能，是保障突發(fā)公共衛(wèi)生事件防控的關(guān)鍵。基于聯(lián)邦學習，能夠在保障數(shù)據(jù)安全共享的基礎(chǔ)上，實現(xiàn)應急物資狀況的精準監(jiān)測，并能夠通過人口分布、人口結(jié)構(gòu)、人口流動情況、感染人數(shù)、死亡人數(shù)等指標對各類應急物資使用情況進行預測。傳染病監(jiān)控對傳染病報告卡的數(shù)據(jù)質(zhì)量要求較高，包括傳染病報告的及時性、傳染病報告數(shù)據(jù)的完整性和準確性都是重要指標。這本是一件好事，但客觀上也使得醫(yī)生在實際傳染病報卡過程中會遇到很多問題。首先是及時性?，F(xiàn)行規(guī)定甲類傳染病必須在2小時內(nèi)，乙類傳染病及丙類傳染病須24小時內(nèi)上報。然而，醫(yī)生填寫傳染病報告卡信息需要花費較多時間，遇到就診病人多時，就很容易出現(xiàn)疏漏造成沒有及時上報，這樣就會導致傳染病的遲報和漏報情況的出現(xiàn)。其次則是傳染病報告數(shù)據(jù)的完整性和準確性。目前多數(shù)醫(yī)院掛號系統(tǒng)中并沒有完整的地址及電話等信息，在填報時無法滿足傳染病報卡對病人信息完整性的要求。醫(yī)生只能現(xiàn)場詢問并錄入，過程耗費3～5分鐘時間甚至更長。最后，醫(yī)生對傳染病疫情的認知也影響到傳染病的監(jiān)測。在疾控直報專網(wǎng)的傳染病報卡中有“不明原因肺炎”的選項，實際上可以對應早期未明確的新冠肺炎?，F(xiàn)實情況則是醫(yī)生基本上都沒有選擇此項選擇報告，因為上報就意味著后續(xù)需要完成一系列登記填表及調(diào)查工作，對于他們是額外的負擔?；蛘撸词怪獣杂写诉x項，但缺乏明確的診斷也不敢輕易上報或無法通過現(xiàn)有系統(tǒng)的規(guī)則進行上報。對于上述問題，大數(shù)據(jù)、人工智能等前沿技術(shù)組成的融合方案或能一定程度解決上述問題。目前，國內(nèi)已有和宇健康、雙數(shù)科技等企業(yè)的系統(tǒng)入疾控中心。以雙數(shù)中心的傳染病疾病智能監(jiān)測方案為例，其利用大數(shù)據(jù)和人工智能的雙數(shù)傳染病監(jiān)測方案可以將杜絕遲報漏報的有效率做到95%以上；將醫(yī)生的平均傳染病報卡所耗時間從以往的5—8分鐘大幅降低到40秒以內(nèi)；疾控直報專網(wǎng)上報所耗時間也從2～3分鐘縮短至幾秒鐘，有效應對上述問題。圖表15傳染病疾病智能監(jiān)測方案運行邏輯數(shù)據(jù)來源:蛋殼研究院與勞動力、資本等生產(chǎn)要素相似，醫(yī)療數(shù)據(jù)的價值體現(xiàn)于應用與流通過程。但無論是在數(shù)據(jù)平臺間應用流轉(zhuǎn)，還是未來他通過交易所變更歸屬主體，只要存在流動，必然會數(shù)據(jù)泄露、數(shù)據(jù)濫用等問題。因此，只有保障醫(yī)療數(shù)據(jù)流動的安全，才能保障醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)的良性發(fā)為推動醫(yī)院加速信息安全基礎(chǔ)設(shè)施，我國從2011年便開始陸續(xù)推出相關(guān)政策，一方面借助《衛(wèi)生行業(yè)信息安全等級保護工作的指導意見》（衛(wèi)辦發(fā)〔2011〕85號）、《關(guān)于印發(fā)醫(yī)療質(zhì)量安全核心制度要點的通知》（國衛(wèi)醫(yī)發(fā)〔2018〕8號）、《關(guān)于印發(fā)全國醫(yī)院信息化建設(shè)標準與規(guī)范（試行）的通知》等一系列文件，以等級保護建設(shè)為中心推動醫(yī)療機構(gòu)網(wǎng)絡安全建設(shè)；另一方面在《電子病歷系統(tǒng)功能應用水平分級評價方法及標《國家醫(yī)療健康信息醫(yī)院信息互聯(lián)互通標準化成熟度測評方案（2017年版）》《國家醫(yī)療健康信息區(qū)域衛(wèi)生信息互聯(lián)通標準化成熟度測評方案（2017年版）》等多項評級要求中提出目標，將宏觀目標拆分為微觀細則督促醫(yī)院執(zhí)行。作為這一無形核心資產(chǎn)的持有方，醫(yī)院對于信息安全的關(guān)注度也在持續(xù)提升。CHIMA調(diào)研數(shù)據(jù)顯示：2018-2019年統(tǒng)計的三級醫(yī)院通過等級保護三級測評的比例為52.57%，三級以下醫(yī)院通過等級保護測評（包括二級和三級）的比例為24.92%。多數(shù)醫(yī)療機構(gòu)，尤其是三級以下醫(yī)院網(wǎng)絡安全等級保護建設(shè)仍處于較低水平，整體未開展比例為26.87%。圖表162018-2019年度中國醫(yī)院信息化狀況調(diào)查醫(yī)院等級保護工作情況不同等級醫(yī)院對比政策支撐后，2022年通過等級保護三級測評醫(yī)院已經(jīng)到達63.56%，較2019年翻了一倍有余，未開展三級以下醫(yī)院僅有24.92%通過等級保護測評（包括二級和三級），整體比例也圖表17醫(yī)院開展等級保護工作狀況不同年度對比數(shù)據(jù)來源：CHIMA《2021-2022年度中國醫(yī)院信息化狀況調(diào)查報告》盡管等級保護工作的推進有效保障了醫(yī)院數(shù)據(jù)的信息安全，但要應對大數(shù)據(jù)時代的數(shù)據(jù)資產(chǎn)化及可能的數(shù)據(jù)流通，醫(yī)院必須進行符合全新需求的安全體系建設(shè)，才能避免數(shù)據(jù)相關(guān)問題帶來的損失。（1）數(shù)據(jù)存儲和處理保護需求。按照國家及衛(wèi)健委出臺的各類政策及法規(guī)要求，醫(yī)院均會采用“雙活”及容災備份方式進行數(shù)