0
城市级健康医疗大数据体系建设，是一个很宏大的命题。
《“健康中国2030”规划纲要》明确将发展健康产业作为“健康中国”建设五大任务之一，并提出将健康产业发展成为国民经济支柱性产业的战略目标：2020年健康服务业总规模达到8万亿，到2030年达到16万亿，全年GDP占比超过10%。
从医疗大数据过往的“大事件”来看：2017年上半年，在三个月内，医疗大数据产业“国家队”——中国健康医疗大数据产业发展集团公司、中国健康医疗大数据科技发展集团公司、中国健康医疗大数据股份有限公司相继宣布筹建，三大集团的格局迅速奠定。
同一年，一些省市已经开展健康医疗大数据中心的建设。
2017年9月，内蒙古健康医疗大数据应用工程启动，其主要任务是建设三级平台、五大数据库和十个应用系统。2017年12月，健康医疗大数据中心第二批国家试点启动，山东被确定为建设试点省，成为5个健康医疗大数据区域中心之一。
而在新基建的七大领域中，作为城市底层基础设施和数字经济的底座，大数据中心的平台化水平和运营能力，将直接决定新基建的整体成效。而医疗，将是验证大数据中心建设成色的一把“放大镜”。
此前，雷锋网曾对医疗大数据的流程进行过拆解：其中，囊括了数据产出、数据收集、数据储存、数据加工、数据分析和数据应用等多个环节，每个环节都存在对应的供求关系。
围绕这项工程，也存在一条分工明确的产业链。
底层是芯片、服务器等制造厂商，这是整条产业链基础的“基础”，例如戴尔、惠普等老牌厂商。
中层厂商多为存储计算服务以及医疗信息化解决方案的提供商，为整个产业底层做数据采集。
以信息化而言，国内从事医疗信息化的厂商众多，据前瞻经济学人估计约有600多家，以区域性供应商为主。代表性的企业有东软集团、东华软件、卫宁健康、万达信息、创业软件等。但与此同时，医疗行业的格局比较分散，区域性的特点非常明显，使得这个行业“一家独大”的现象并不明显。
最上层的是具有深度学习、自然语义分析等核心技术以及垂直场景探索的初创型企业，近年来涌现的医疗AI公司均围绕“数据处理服务”提供多样化的服务。
例如，医疗AI领域的第一梯队成员——科亚医疗。
目前，科亚医疗的技术和产品包括：冠脉血管疾病精准诊断产品线和智能影像解决方案，偏重于PAAS层的应用。
在城市级医疗大数据体系的建设方面，科亚扮演的角色更多的是实现数据的增值——开发出好的人工智能医疗产品，提升医疗服务的质量和效率、让患者获益。
2020年1月15日，国内第一张医疗AI三类证花落科亚。这在一定程度上，为沉寂已久的医疗AI行业实现了真正意义上的“破冰”。
城市级医疗大数据建设，并不是一个新概念。从2014年开始，健康医疗大数据创业的公司大批涌现。各类企业以医院、医生、患者、医药、医险、医检等入口，纷纷布局智慧医疗与大数据。
作为一家以心血管AI为主打产品的公司，科亚如何理解城市级医疗大数据体系在新形势下的建设内涵？
科亚医疗负责人向雷锋网表示，城市级医疗大数据体系的建设就是：一个使医疗大数据从医疗真实世界的数据变成证据和工具，发挥其价值，推动临床试验和精准诊疗的发展过程。
在医改和新基建的大背景下，实现城市级医疗大数据的有效应用成为医院管理、建设的重要工作之一，数据驱动医院精益运营升级将成为医院发展的重要战略方向，也成为价值医疗升级的基础保障。
但随着医疗大数据体系建设的逐渐深入，也陆续暴露出一些问题和难点。
首先，数据归属不明确
目前，我国没有明确的法律规定数据归属问题，医疗数据使用权到底是患者个人、医疗机构、还是参与建设的企业？
医疗行业内的共识是：数据是患者、医生、医院三方共同的资源，且不能直接用作盈利，一般来说数据可以找科研项目合作中使用，使用前必须经过患者同意、医生必须得到医院科研项目申请批复。
因此，大多数AI医疗公司仍是通过与医院或主任合作科研项目，获取数据训练模型。
其次，数据安全要求高
医疗数据涉及个人数据隐私方面的问题，因此要特别注意个人数据隐私保护，中国《网络安全法》规定“网络运营者不得泄露、篡改、毁损其收集的个人信息；未经被收集者同意，不得向他人提供个人信息。但是经过处理无法识别特定个人且不能复原的除外”
所以，AI医疗公司在使用数据时要进行数据的无法识别特定个人处理，这在一定程度上能够帮助AI医疗公司规避数据安全问题。
第三，数据开放受限制
中国的医疗数据开放程度有限，主要体现两个方面：一是境内与境外的流通限制，二是医院与医院或医院与公司之间流通的限制。
境内与境外的限制其实很简单，这个各个国家都有相关规定，而且有的国家规定的更加严格，比如美国和欧洲。在医院与医院的流通限制方面，我国大部分的医院数据都是独立存在的，流通起来相对困难，更谈不上共享和数据交叉应用及数据变现。
2017年以来，国家通过立法逐步规范和开放数据的使用，同时陆续建立各类数据应用平台，通过国家力量和产业资本的结合，加快医疗数据的互联互通和数据共享机制，为医疗大数据的应用带来红利。
第四，数据标准不统一
我国人口众多，医疗数据丰富，但”数据大“不等于 “大数据“，临床数据不够统一和规范，不同地区、不同医院之间的数据没有建立起联系，也没有统一的标准，因此价值也得不到体现。
比如影像系统的数据标准问题，超过80%的医疗大数据为影像形式，但PACS系统的生产设备和数据标准是不一致的，数据交流存在诸多障碍。
第五，数据伦理有争议
尽管AI在医疗行业取得了令人瞩目的进展，但不可否认的是，AI的应用依然存在一系列的伦理问题，比如：AI造成了个人信息泄露，导致医疗事故，责任方是谁？AI的使用造成了医疗人员的失业，引发医疗产业结构的转型，社会应该如何应对？诸如此类的问题很多，都需要行业从业者去面对和解决。
第六，数据成本代价高
所有基于AI的医疗技术，都是以”数据“为基础的，目前AI医疗公司获得数据的渠道分为三种：第一种，与医院合作科研项目 第二种，从公开数据集下载数据，第三种，购买数据。
总体来说，AI公司获取数据的成本主要在数据获取和数据标注上，而且随着模型训练的逐步深入，数据吞吐量可能会是几何级数增长，代价也会水涨船高。这对于AI公司的运营来看，将是一笔不小的负担。
随着行业发展，产品、用户体验及上下游产业协同的逐步完善，尤其在医疗新基建的建设浪潮推动下，服务于B端、G端的医疗大数据企业将迎来无限商机。
如影像识别、基因测序，在经过临床验证、临床审批、付费目录后，将在医疗大数据体系的建设中，进一步反推底层数据基础的丰富和完善。
在此过程中，谁能够率先突围，将能把握更多的主动权。
目前，科亚医疗现有100多位研发人员，其中20多位海归博士，多人曾在医学影像全球知名企业北美研发中心担任核心研发职务，在AI技术、影像分析及医疗大数据方面经验丰富。强大的技术研发能力也是科亚在国内人工智能医疗成为头部企业的根本。
据雷锋网了解，科亚医疗现拥有4大中心(影像分析中心，生物实验中心，临床检测中心，工程研发中心)，2个专项实验室(人工智能实验室、免疫治疗实验室)，能够整合包括影像、病历、病理、生化、免疫、分子诊断等多组学信息，并以此来保障未来医疗人工智能在多个临床场景上的服务应用。
当然，随着一家公司在行业里的优势不断巩固，将盘子做大是一件非常正常的事情。
对于“是否会往医疗大数据产业的上游延伸”这个问题，科亚医疗表示，暂未考虑往上游延伸。
“科亚医疗的优势在机器学习、医学图像分析、自然语言处理、基因信息分析等方面拥有核心技术，因此会聚焦在医疗大数据产业的中游，希望开发出更多、更好的人工智能医疗产品，为患者、医疗机构、生命科学研究机构提供精准医疗服务。”
据前瞻产业研究院预计，到2020年我国健康医疗大数据行业规模将突破800亿元。
从这次疫情之后，医疗大数据的研究与应用会被更多提上议事日程。电子病历、智慧医院、医疗AI、DRG等投入将进一步加大，医联体、基层医疗卫生服务体系等新模式建设也将成为建设重点。
如何利用AI、大数据、物联网等技术，提升医疗机构诊治水平、优化城市公卫体系的精细化管理能力，将成为地方政府与科技企业共同面对的一场大考。
找准自身定位，补足公共卫生治理体系方面现存的“短板”，医疗大数据产业的上下游企业将大有可为。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
