醫療大數據杭州

1. 杭州美聯檢驗上班怎麼樣

是很好的。根據相關資料查詢：美聯醫學集團成立於2014年，總部位於杭州。集團秉承創新驅動發展的理念，立足於智慧健康產業，已成為集精準醫學分子診斷產品研發、生產、銷售、第三方醫學檢驗服務、智慧醫療整體解決方案、醫療大數據與人工智慧等為一體的全產業鏈集團公司，建有大數據研究院、省級高新技術研發中心、GMP廠房、全國省級連鎖精準醫學檢測中心和醫院共建感染病原體精準檢測中心。所以發展前景是很好的。

2. 國內有哪些醫療大數據公司做得比較好的優勢在哪

武漢金豆數據是國來內醫保自/醫療數據增值服務一體化解決方案供應商。全國運營中心位於北京，研發中心位於武漢，在河南、河北、廣東、雲南等地共設有7家分、子公司，匯聚了140多名跨學科的醫療數據挖掘精英和1000多人的專家顧問團隊。公司在香河投建佔地50畝、建築面積80000餘平方米的醫療大數據產業園，並在深圳前海與恆大集團共同出資設立恆金健康科技有限公司。
作為國內最早開始專注醫療大數據技術與行業經驗積累的團隊之一，金豆擁有十年 的醫療數據分析和疾病編碼應用與轉換產品研發經驗，八年的醫保控費和支付方式改 革方面產品研究與開發的經驗。共積累了120多項數據分析模型和相關演算法，並對部分核心技術申請了專利。
金豆醫療數據始終密切把握中國醫療改革的脈搏。從國務院38號文件、到「十三五」規劃綱要、「健康中國2030」規劃綱要， 再到今年全國兩會政府工作報告，都明確指出推行DRG預付費制勢在必行。基於深厚的行業積淀，金豆提供一體化的解決方案。金豆是全國醫療服務價格與成本監測網路的中標建設及維護單位，並開發出了目前市場上可實現12個版本疾病診斷/操作編碼一鍵轉換的產品，實現了企業跨越式的發展。

3. 杭州脈興醫療科技有限公司怎麼樣

簡介：杭州脈興醫療科技有限公司由世界級大數據科學家和國內醫學專家聯合創辦，地址在浙江大學紫金港校區內，是一家運用醫療大數據開發人工智慧醫療專家系統的高科技醫療IT企業。公司搭建專科大數據平台，建立醫療模型，制定專科大數據標准，輔助醫生快速，精準預測及診斷。
法定代表人：黃可智
成立時間：2015-10-22
注冊資本：200萬人民幣
工商注冊號：330104000309817
企業類型：有限責任公司(自然人投資或控股)
公司地址：浙江省杭州市餘杭區餘杭街道文一西路1818-2號3幢502室

4. 微醫雲(杭州)控股有限公司怎麼樣

簡介：微醫是國際領先的醫療健康科技平台，由廖傑遠及其團隊於2010年創建。以「就醫不難，健康有道」為使命，微醫致力於用科技賦能醫療，驅動「醫葯保」生態升級，打造國際領先的HMO（Health Maintenance Organization，健康維護組織）平台，為用戶提供「線上+線下、全科+專科」的新型醫療健康服務，成為億萬家庭的健康守門人。
廖傑遠帶領微醫已在中國境內設立掛號網（杭州）科技有限公司、微醫雲(杭州)控股有限公司、綠線（杭州）信息技術有限公司、微醫（杭州）集團有限公司、微醫集團（浙江）有限公司、杭州廣發科技有限公司、杭州蕭山微醫門診部有限公司、烏鎮互聯網醫院管理（桐鄉）有限公司等多家運營實體。各大運營實體共同大力宣傳、推廣微醫品牌各大產品及服務。
微醫起步於2010年成立的掛號網，發展8年間，微醫在全國醫院部署了1700多套前置伺服器，創造性接通醫院內外網；並開創了團隊醫療模式，組建了包括兩院院士和國醫大師在內的7500組專家團隊，精準匹配醫患，助力基層能力提升；微醫創建了全國首家互聯網醫院——烏鎮互聯網醫院，並在19個省市落地；微醫與全國100多家醫院合作建設醫聯體，並搭建了包含微醫全科、社區衛生服務中心和葯診店在內的1.9萬家醫療健康服務網點；通過微醫通、微醫APP組成的軟硬體終端，微醫幫助億萬家庭便捷獲得全時、全程的醫療健康服務。截至2018年5月，微醫連接了全國30個省市的2700多家重點醫院、24萬名醫生，搭建起線上線下結合、全科專科融合的醫療資源供應體系，實名注冊用戶數超過1.6億，累計服務人次超過5.8億。
在連接醫院、服務政府和行業的過程中，微醫積累了雄厚的健康醫療大數據資源和服務能力，形成了微醫雲和微醫HMO兩大發展戰略。微醫雲是全國領先的健康醫療行業雲平台，主要面向政府、醫院、基層醫療機構和企業等多類用戶，提供智能醫療雲和醫學人工智慧解決方案；微醫HMO整合了微醫在醫療、醫葯、保險領域的資源和優勢，由醫療供應網路、健康管理服務和醫療保障體系共同組成，面向億萬家庭，提供「線上+線下、全科+專科」的管理式醫療健康服務。
微醫曾獲得騰訊、國開金融、復星醫葯、晨興資本、友邦保險、新創建集團、中投中財等知名機構投資，在最新一輪的融資中微醫估值為55億美金。2017年，美國知名市場咨詢公司CB Insight將微醫列為中國排名第一的互聯網醫療獨角獸企業。2018年5月，在矽谷全球數據研究機構PitchBook發布的全球30家最有價值的科技公司榜單中,微醫成為全球唯一一家上榜的醫療健康科技公司。廖傑遠先生曾獲福布斯「2015中國創新企業家」、「2016中國創客十大年度人物」、2017騰訊生態「榮耀創始人」等稱號。
在未來，微醫將繼續攜手醫院、醫生、葯企、險企、金融機構等合作夥伴，共同創建新型醫療健康服務體系，為億萬家庭的健康福祉奮力前行！
法定代表人：廖傑遠
成立日期：2012-03-02
注冊資本：200000萬元人民幣
所屬地區：浙江省
統一社會信用代碼：913301085898661997
經營狀態：存續
所屬行業：信息傳輸、軟體和信息技術服務業
公司類型：有限責任公司(中外合資)
人員規模：100-500人
企業地址：浙江省杭州市蕭山區蕭山經濟技術開發區啟迪路B-12AF-06室
經營范圍：研發、生產:計算機軟體;銷售自產產品,並提供相關技術服務;以承接服務外包方式從事系統應用管理和維護、信息技術支持管理、數據處理的信息技術和業務流程外包服務;經濟信息咨詢(除商品中介);在醫療領域內投資(涉及國家規定實施准入特別管理措施的除外)**(依法須經批準的項目,經相關部門批准後方可開展經營活動)

5. 杭州零氪科技有限公司怎麼樣

杭州零氪科技有限公司是2017-12-28在浙江省杭州市蕭山區注冊成立的有限責任公司(自然人投資或控股)，注冊地址位於浙江省杭州市蕭山區蜀山街道沈家裡路118號3幢。

杭州零氪科技有限公司的統一社會信用代碼/注冊號是91330100MA2B035A2P，企業法人盧富華，目前企業處於開業狀態。

杭州零氪科技有限公司，本省范圍內，當前企業的注冊資本屬於一般。

通過網路企業信用查看杭州零氪科技有限公司更多信息和資訊。

6. 醫療行業大數據應用的三個案例

醫療行業大數據應用的三個案例
文章從華大基因推出腫瘤基因檢測服務、大數據預測早產兒病情、廣東省人民醫院利用大數據調配床位3個醫療行業大數據應用案例中，以應用背景、數據源、圖說場景、實現途徑、應用效果5個視角去看待大數據在醫療的應用狀況。
案例一：華大基因推出腫瘤基因檢測服務
應用背景：
伴隨著生物技術、大數據技術的發展，個體基因檢測治療疾病已經成為現實。其中，最廣為人知的是美國好萊塢女星安吉麗娜?朱莉，在 2013 年經過檢測她發現自身攜帶致癌基因——BRCA1 基因，為防止罹患卵巢癌，於 2015 年切除了卵巢和輸卵管。目前，國內外已經有多家基因檢測機構，如我國的華大基因、貝瑞和康、 美國的 23andMe、 Illumina 公司等。華大基因一直致力於腫瘤基因組學研究，已經研究 20 多類癌症。近日，華大基因推出了自主研究的腫瘤基因檢測服務，採用了高通量測序手段對來自腫瘤病人的癌組織進行相關基因分析，對肺癌、乳腺癌、胃癌等多種常見高發癌症進行早期、無創傷檢測。
數據源：
檢測數據：患者血清、口腔黏膜數據、基因測序等。
其它數據：體檢數據、電子病歷、遺傳記錄、患者調查、地理區域以及生活條件等。
圖說場景：

實現路徑：
首先採取患者樣本，通過測序得到基因序列，接著採用大數據技術與原始基因比對，鎖定突變基因，通過分析做出正確的診斷，進而全面、系統、准確地解讀腫瘤葯物與突變基因的關系，同時根據患者的個體差異性，輔助醫生選擇合適的治療葯物，制定個體化的治療方案，實現「 同病異治」 或「 異病同治」 ，從而延長患者的生存時間。
應用效果：
癌症診斷和預測。腫瘤醫院的病人中有 60%至 80%剛到醫院時就已經進入中晚期，癌症早期的篩查可以幫助患者有針對性的改善生活習慣或者採取個體化的輔助治療，有益於身體健康;同時將癌症扼殺在搖籃里，從而降低日後巨大的醫葯開支和生活困擾。助力個性化醫療。結合生物大數據，挖掘疾病分子機制最終可以做到更好的篩查，更好的臨床指導以及更好用葯的過程。
案例二：大數據預測早產兒病情
應用背景：
安大略理工大學的卡羅琳·麥格雷戈( Carolyn McGregor)博士和一支研究隊伍與 IBM 一起和很多醫院合作，用一個軟體來監測處理即時的病人信息，然後把它用於早產兒的病情診斷。
數據源：
個人體征數據：心率、呼吸、體溫、血壓和血氧含量。
其它數據：孕婦產檢數據、電子病歷、遺傳數據等。
實現路徑：
系統會監控 16 個不同地方的數據，比如心率、呼吸、體溫、血壓和血氧含量，這些數據可以達到每秒鍾 1260 個數據點之多。在明顯感染症狀出現的 24 小時之前，系統就能監測到早產兒細微的身體變化發出的感染信號，及早預測控制早產兒的病情，從而提高新生兒的出生率。
應用效果：
預測病情。早產兒的穩定不是病情好轉的標志，只有通過海量的數據並且找出隱含的相關性才能發現提早知道病情，醫生就能夠提早治療，也能更早地知道某種療法是否有效，這一切都有利於病人的康復。
案例三：廣東省人民醫院利用大數據調配床位
應用背景：
起因於國外醫院的經驗以及廣東省人民醫院各專業科室差異很大的病床使用率。長期以來，優勢專業病源充足，病人候床情況嚴重，排隊入院，相反有些專業空床情況明顯，病床使用率僅 65%左右。為此管理層打出了模糊臨床二級分科、跨科收治病人、集中床位調配權的一套「 組合拳」 。
數據源：
患者數據：掛號數據、電子病歷、患者基本數據等。
醫院數據：各科室床位使用情況、診療活動、平均住院費用、平均住院周期等。
實現路徑：
對跨科收治病人之後的科與科之間的工作量、收入、支出、分攤成本等指標進行合理的劃分，強化了入院處的集中床位調配權，解決病人入院排隊情況，使醫院更好地履行了社會責任，同時也給增加了醫院的效益。
應用效果：
提高病床使用率。病床使用率由 87%提高到 92%，優勢專業候床排隊現象明顯減少。
支持決策判斷。優勢專科與弱勢專科的病人在地域構成比、平均住院費用等標上存在顯著差異，支持決策判斷。

7. 大數據醫療具體是指什麼

醫療大數據是個很寬泛的概念，他有很多詳細的分類，包括：電子病歷數據，這是患者就醫過程中所產生的數據，包括患者基本信息、疾病主訴、檢驗數據、影像數據、診斷數據、治療數據等，這類數據一般產生及存儲在醫療機構的電子病歷中，這也是醫療數據最主要的產生地。電子化的醫療病歷方便了病歷的存儲和傳輸，但是並未達到進行數據分析的要求。大約80%的醫療數據是自由文本構成的非結構化數據，其中不僅包括大段的文字描述，也包括包含非統一文字的表格欄位。通過醫學自然語言理解技術，將非結構化醫療數據轉化為適合計算機分析的結構化形式是醫療大數據分析的基礎。電子病歷中所採集的數據是數據量最多、最有價值的醫療數據。通過和臨床信息系統的整合，內容涵蓋了醫院內的方方面面的臨床數據集。在電子病歷的互通互聯上，出於各自的利益性（限制病人轉診），各大電子病歷企業也不願意使數據互通互聯。根據美國政府相關報告顯示，其電子病歷共享比例也僅為30%左右。
檢驗數據
醫院檢驗機構產生了大量患者的診斷、檢測數據，也有大量存在的第三方醫學檢驗中心也在產生數據。檢驗數據是醫療臨床子系統中的一個細分小類，但是可以通過檢驗數據直接患者的疾病發展和變化。目前臨床檢驗設備得到迅速發展，通過LIS 系統對檢驗數據進行收集，可以對疾病的早發現早診斷和正確診斷做出貢獻。
影像數據
隨著資料庫技術和計算機通訊技術的發展，數字化影像傳輸和電子膠片應運而生。醫療影像數據是通過影像成像設備和影像信息化系統產生的，醫院影像科和第三方獨立影像中心存儲了大量的數字化影像數據。醫學影像大數據，是由DR、CT、MR 等醫學影像設備產生所產生並存儲在PACS 系統內的大規模、高增速、多結構、高價值和真實准確的影像數據集合。與檢驗信息系統（LIS）大數據和電子病歷（EMR）等同屬於醫療大數據的核心范疇。醫學影像數據量非常龐大，影像數據增速快，標准化程度高。影像數據和臨床其他數據比較起來，它的標准化、格式化、統一性是最好的，價值開發也最早。
費用數據
醫院門診費用、住院費用、單病種費用、醫保費用、檢查和化驗收入、衛生材料收入、診療費用、管理費用率、資產負債率等和經濟相關的數據。除了醫療服務的收入費用之外，還包含醫院所提供醫療服務的成本數據，包含葯品、器械、衛生人員工資等成本數據。在DRGs 按疾病診斷相關組付費模式中，需要詳細的成本數據核算。通過大樣本量的測算，建立病種標准成本，加強病種成本核算和精細化成本管理。
基因測序數據
基因檢測技術通過基因組信息以及相關數據系統，預測罹患多種疾病的可能性。基因測序會產大量的個人遺傳基因數據，一次全面的基因測序，產生的個人數據則達到300GB。一家基因測序企業每月產生的數據量可以達到數百TB 甚至1PB。
智能穿戴數據
各種智能可穿戴設備的出現，使得血壓、心率、體重、體脂、血糖、心電圖等健康體征數據的監測都變成可能，患者的單一體征健康數據以及運動數據快速上傳到雲端，而且數據的採集頻率和分析速度大大提升。除了生命體征之外，還有其他智能設備收集的健康行為數據，比如每天的卡路里攝入量、喝水量、步行數、運動時間、睡眠時間等等。智能穿戴設備雖然在這兩年遇冷，用戶很難形成粘性，但是並不意味著智能穿戴設備所產生的數據沒有意義。提供健康數據和服務，可能是智能穿戴廠商未來的轉型之路。健康大數據的收集必須依靠硬體載體，智能穿戴設備還將會遇到自己的第二春。
體檢數據
體檢數據是體檢機構所產生的健康人群的身高、體重、檢驗和影像等數據。這部分數據來自醫院或者第三體檢機構，大部分是健康人群的體征數據。隨著亞健康人群、慢病患者的增加，越來越多的體檢者除了想從體檢報告中了解自己的健康狀況，還想從體檢結果中獲得精準的健康風險評估，以及如何進行健康、慢病管理。
移動問診數據
通過移動設備端或者PC 端連接到互聯網醫療機構，產生的輕問診數據和行為數據。曾經通過互聯網問診企業春雨醫生的數據，分析各地醫生互聯網問診的活躍度、細分疾病種的問診行為。通過這些數據的分析，對行業發展、互聯網問診企業的決策有非常重要的幫助。

8. 大數據在醫保管理中的應用與發展方向

大數據在醫保管理中的應用與發展方向
當前，醫療保險面臨基金收支平衡壓力增大、醫療服務違規行為多發、傳統經驗決策方式落後等多方面挑戰，從信息化建設角度，人社部門推進全民參保登記、醫保智能監控、支付方式改革和移動支付探索等工作，積極開展了醫保大數據應用。但在應用過程中仍然面臨數據質量有待提升、數據應用尚不充分、安全體系還需健全等問題。繼續深化醫保大數據應用，下一步應重點圍繞四個方面：一是匯聚和完善醫保大數據；二是加快大數據平台建設；三是持續助力醫保業務發展；四是構建數據安全體系。

當前，在全民醫保體系逐漸完善、人口老齡化趨勢加劇、醫療需求快速釋放、醫療費用不斷攀升等因素的綜合作用下，醫療保險面臨基金收支平衡壓力增大，醫療服務違規行為多發，傳統經驗決策方式落後等多方面挑戰，如何充分利用大數據、「互聯網+」等信息化手段，進一步支撐醫療保險在新形勢下持續發展，實現全民醫保、安全醫保、科學醫保和便捷醫保，全面提升醫保質量，是擺在我們面前的重要課題。
當前醫保管理面臨的困境
1醫保基金收支平衡壓力增大
隨著生活水平提高，參保人更加關注健康，醫療需求不斷上升，同時全民醫保從制度全覆蓋轉向人員全覆蓋，基本醫保支出規模隨之快速增長。這些因素都給醫保基金平衡帶來較大壓力。2016年，人社部門管理的基本醫療保險參保人數7.44億人，基金支出10767億元。參保人享受醫保待遇25億人次。考慮到當前經濟下行和人口老齡化的形勢，未來醫療保險基金收支平衡壓力更大。
2醫療服務違規行為多發
我國醫保待遇支出高速增長，既有惠民生政策、人口老齡化、醫療技術進步、醫療成本上升等正常因素，更有大處方、亂檢查、假發票等不合理因素。2016年審計署對醫療保險基金專項審計顯示，一些醫療服務機構和個人通過虛假就醫、分解住院、虛假異地發票等手段套取醫保基金2億余元。面對如此規模的支出，人工審核、抽查審核、固定規則審核等醫保傳統監管手段，對於日趨復雜的醫保基金使用場景難以全面覆蓋，對於日益隱蔽的醫療服務違規行為難以有效識別。
3傳統經驗決策方式落後
過去醫保政策制定和效率評估往往依賴業務知識和工作經驗。隨著參保人數的快速增長，醫療行為的復雜變化、醫保經辦人手普遍吃緊，傳統的經驗決策方式越來越無法滿足業務發展需求，在當前信息技術快速發展、醫療數據不斷積累的基礎上，充分利用先進技術手段，深入挖掘海量數據資源優勢，通過制度運行模擬、政策效率評估、資金壓力測試等方式，輔助實現決策高效化、科學化、精確化，是醫保業務發展的必然要求。
醫保大數據的應用
社會保險信息化多年來秉承全國統一規劃、統一建設的原則，伴隨統籌層次提升，推進數據向上集中、服務向下延伸，逐步奠定了堅實的數據基礎。利用漸成規模的醫保大數據，人社部門積極推動多項應用，遏制違規行為，輔助科學決策，保護基金安全。
1推動全民參保計劃，實現全民醫保
黨的十八屆五中全會通過的《中共中央關於制定國民經濟和社會發展第十三個五年規劃的建議》明確提出「實施全民參保計劃，基本實現法定人員全覆蓋」。2017年，人社部加快推進全民參保登記系統建設、部省對接、數據上報等工作，目前已基本形成部省兩級全民參保登記庫，支持摸清法定未參保人員情況，助力全民參保計劃，實現應參盡參。截至2017年底，各省共計上報包括醫療保險在內的人員參保信息30.42億條，為下一步參保擴面提供了有力的數據支撐。
2實施醫保智能監控，打造安全醫保
2012年，人社部組織建設了醫保智能監控系統，針對門診、住院等不同業務環節設計了500餘條監控規則，對頻繁就醫、分解住院、過高費用、大處方、葯佔比異常等常見違規醫療服務行為進行監控，監控對象涵蓋醫療服務機構、醫師、參保人員等。2014年，在前期工作基礎上，人社部下發《關於進一步加強基本醫療保險醫療服務監管的意見》（人社部發〔2014〕54號），明確了監管途徑、各方職責、問題處理程序等。近幾年，開展醫保智能監控工作的統籌地區數量不斷增加，目前全國超過90%以上的統籌地區已全面開展智能監控工作。通過全場景、全環節、全時段自動監控的震懾作用，遏制了大量潛在違法、違規行為，保障了參保人員權益和醫保基金安全。
3推廣支付方式改革，促進科學醫保
近年來，基於過去多年積累的醫保數據，人社部門廣泛開展了優化支付方式工作，積極推行復合式醫保支付方式探索。2017年，國務院辦公廳下發了《關於進一步深化基本醫療保險支付方式改革的指導意見》（國辦發〔2017〕55號），對改革目標提出了明確要求。目前絕大部分地區均開展了總額控制，分析醫保歷史數據是醫保部門與醫療機構協商制定總額的主要依據。此外部分地區在單病種、DRGs等支付方式的探索過程中也充分利用了醫保數據。如沈陽市從2015年開始探索DRGs支付，應用本地醫保支付數據，優化DRGs分組。上海強化數學模型在醫保預算中的應用，同步推進按病種付費。
4探索醫保移動支付，引導便捷醫保
《「互聯網＋人社」2020行動計劃》（人社部發〔2016〕105號）提出「支付結算」行動主題，要求建設人力資源和社會保障支付結算平台，拓展社會保障卡線上支付結算模式。社會保障卡經過十九年建設發展，為線上應用打下了深厚基礎，具有身份憑證、信息記錄、自助查詢、就醫結算、繳費和待遇領取、金融支付等功能，已成為持卡人方便快捷享受人力資源和社會保障權益及其他政府公共服務的電子憑證。各地根據文件精神，結合「互聯網＋」要求，積極探索實踐醫保移動支付，如杭州、武漢、深圳、昆明等地參保人可通過手機完成門診費用醫保支付，緩解窗口排隊壓力；沈陽、天津、嘉興、珠海等地參保人可線上購葯，通過手機或移動POS刷卡完成醫保支付，改善用戶體驗。
醫保大數據的應用挑戰
1數據質量有待提升
一是數據不完整。從各地層面，社會保險信息系統管理的醫保數據主要集中在參保、結算類基本數據，醫療行為過程中的醫囑、病歷、葯品進銷存、檢查檢驗報告等數據沒有全面採集，服務反饋、治療效果類數據，以及日誌、視頻、文件等非結構化數據普遍缺失，制約了醫保智能監控、支付方式改革等應用的深入開展，難以支撐面向參保人開展精準服務。從部級層面，自2009年開展醫保聯網監測指標上報以來，各地按月向人社部上報數據，醫保主要包括參保、享受待遇、定點醫療機構等基本信息，缺乏業務明細信息。
二是數據時效性不強。醫保聯網監測數據按月上報，支持了部級基金監管、宏觀決策、社會保險參保待遇比對查詢等多項系統應用。但按月更新的數據時效難以滿足全國統籌、重點業務實時監控等新業務需要。
三是數據准確性不高。從部級聯網監測數據來看，雖然數據規模、覆蓋人群快速增長，但仍然存在各險種、各業務基本信息、業務狀態信息不一致，部分代碼使用不標准、不規范，甚至存在不少錯誤或無效信息等問題，對數據的深入分析和廣泛應用帶來較大影響。
2數據應用尚不充分
一是數據應用意識不足。近年來，人社部門逐漸認識到數據的巨大價值，積極開展數據應用，但相較於人社部門管理的大數據，已開發的數據只是冰山一角，海量數據還在「沉睡」，沉睡數據中的問題不斷累積，反過來影響數據應用工作開展。畢竟只有持續應用，才能從根本上促進數據質量提升。
二是對「問題數據」重視不夠。明顯異常的數據一部分是數據質量低下的垃圾數據，也有部分是客觀業務問題導致數據錯誤。在數據應用過程中，常常首先篩除異常數據，實際上也篩除了可能存在的問題和風險。大數據時代，更要培養重視異常數據的意識，善於從中發現問題、防範風險，逐步減少「問題數據」，提升數據質量。
三是跨業務數據應用不足。目前對數據的開發應用，多集中於單業務板塊，跨業務聯動應用不足，如社保與就業數據關聯分析、就醫信息與人員生存狀態的結合判斷等。數據只有真正融會貫通，才能激發新思路，創造新價值。
3安全體系還需健全
2014年，人社部先後下發了《人力資源和社會保障數據中心應用系統安全管理規范（試行）》（人社廳發〔2014〕47號）和《人力資源和社會保障數據中心資料庫安全管理規范（試行）》（人社廳發〔2014〕48號），從具體操作層面對應用系統和資料庫安全提出了規范要求。然而，大數據環境下數據鏈條變長、數據規模增長、數據來源多樣、數據流動性增強，使得數據安全保護難度加大，個人信息泄露風險加劇，傳統的安全控制措施面臨挑戰。
醫保大數據的發展方向
1匯聚和完善醫保大數據
一是夯實基礎信息。統籌全民參保登記庫和持卡人員基礎信息庫建設，完善部級人員、單位基礎信息庫，准確掌握服務對象基本情況，進一步發揮人社基礎性信息庫作用，實現一數一源、「一人一卡」。
二是整合信息資源。從數據上報時效上，優化聯網監測數據上報機制，由按月上報調整為按日實時更新；從數據上報粒度上，擴充上報指標，補充明細業務數據。從數據收集來源上，利用互聯網、移動終端等渠道增加信息收集來源，補充醫療服務結果、質量、滿意度等類數據，同時推動與醫保局、衛健委等部門間數據共享，實現數據融合。
三是提升數據質量。持續抓好數據質量提升，一方面做好與人口庫等外部數據比對，核准數據資源。另一方面逐步排查數據異常原因，對可能存在的無效數據，進一步分析比對，發現問題及時督促整改。
2加快大數據平台建設
實現對醫保大數據的高效集約管理，建設大數據平台勢在必行。黨的十九大報告提出要「建立全國統一的社會保險公共服務平台」，其內涵是運用「互聯網+」、大數據等信息化手段，為群眾提供無地域流動邊界、無制度銜接障礙、參保權益信息更加公開透明、社保服務更加便捷高效、各服務事項一體化有機銜接的社會保險公共服務。高效的對外服務需要底層大數據平台的強大數據支撐能力，因此，建設適應人社業務，協同、監管、決策、服務的可靠安全人社大數據管理平台，作為大數據產生、匯集、分析和應用的基礎，實現數據統一標准、統一管控，提升管理服務效率，為上層應用提供數據支撐服務，是當前的重點任務。
3持續助力醫保業務發展
大數據應用的根本出發點和立足點是推動業務發展，提升管理效能，實現決策科學化、監管精準化、服務人本化。具體應用如：發揮大數據聚類、決策樹等演算法優勢，支持單病種、DRGs等支付標准設計、測算和評價，推進多元復合式醫保支付方式改革工作深入開展；完善葯品數據和統一標准，借鑒各地先進經驗，探索制定葯品支付標准；利用大數據技術，分析並預測基金運行情況，完善籌資與待遇機制；深化醫保智能監控系統應用，探索利用人工智慧、圖計算等前沿技術，提高監控精確度，實現更加智能化的監控；推進電子社保卡研究應用，提供網上費用結算、醫保移動支付等服務，打造線上應用服務體系；利用大數據推薦模型，面向參保人提供精準推薦等健康管理服務。
4構建數據安全體系
大數據環境下的數據應用實踐，對數據安全和個人隱私保護提出了更高的要求。要切實樹立數據安全意識，實現數據全生命周期管理，確保數據安全、完整和一致。
一是建立數據管理機制，包括信息資源目錄、數據分級分類管理、數據安全管理制度、數據共享開放流程等，確保管理過程規范，權責明晰；
二是加強基礎設施保障，啟用電子印章、數據加密、生物特徵識別等安全技術手段，為數據安全提供基礎保障；
三是確保個人信息安全，提供服務要獲得個人授權，保護個人隱私。

9. 如何看待"人工智慧"為你看病

我們開發、使用人工智慧幫助我們診斷的主要原因是因為它能夠幫助我們更加「准確」的診斷疾病。對於人工智慧而言，程序員不需要直接去建立因果之間的聯系，而是通過相應的程序去「教會」電腦如何通過更好的演算法來改進因果聯系，使之能夠更加准確地診斷疾病。

10月13日，雲棲大會智慧醫療專場，阿里健康首次對外披露前沿進展——與地處杭州的浙江大學醫學院附屬第一醫院(下簡稱浙大附一院)、浙江大學醫學院附屬第二醫院(下簡稱浙大附二院)，和上海交通大學醫學院附屬新華醫院(下簡稱上海新華醫院)，三家醫院分別簽約，加速智慧醫療落地。

根據中國醫學科學院公布的信息，在2016年中國醫院科技影響力榜單，這三家醫院位列TOP50排行榜，分別排名全國第5，第32、第47位。

讓人工智慧更聰明——

聯合浙大附一院 揭牌醫學人工智慧浙江省工程實驗室

由阿里健康與浙大一附院共同申報的「醫學人工智慧浙江省實驗室」，很快將落地杭州。13日會議現場，醫學人工智慧浙江省工程實驗室揭牌成立。(需配現場圖)

該實驗室是依託浙江大學附屬第一醫院進行建設管理的實體性研究機構。今後，雙方將在醫療人工智慧這個領域強強聯手，以智能決策、智能輔助診斷、智能信息安全為研究方向，構建一套智能化的醫學研究系統。

實驗室計劃用2018年-2020年3年時間，建設基於區塊鏈技術的醫聯體數據平台、醫療人工智慧影像輔助診斷平台、醫療大數據智能科研平台、醫學人工智慧臨床決策支持平台等四大公共平台產品，實現人工智慧、數據挖掘等技術在浙江省醫療救治領域的應用。

「 優質醫療資源集中在省城，基層醫療服務能力相對不足。以浙江省為例，70%的三甲醫院集中在杭州，浙大一院每年接診病人近70%來自外地。而醫學人工智慧技術是解決基層醫療服務能力不足，提高高危疾病早期篩查能力的有效手段。」 浙大附一院院長王偉林表示。

此前，阿里健康研發的醫療AI系統「Doctor You」發布，目的就是讓人工智慧承擔專業醫生助手的角色，希望「十年內減輕醫生一半工作量」。該合作將讓DoctorYou藉助臨床研究變的「更聰明」，並加快人工智慧應用落地。

讓醫生更專業——

攜手浙大附二院構建「虛擬病人」，共建 「醫學人才智能培訓平台」

不過，人工智慧再聰明，也是人類醫生的助手角色。在人工智慧提升的同時，醫生的能力也需要在互聯網＋時代得以提升。13日雲棲大會的智慧醫療論壇上，阿里健康呈現了互聯網+醫院的全新合作實例。

當天，阿里健康、浙大附二院、公益組織中國醫葯衛生事業發展基金會，三方聯合宣布，將發揮各自優勢，聯合全國醫療機構、社會組織和企業，以開放合作的方式，共同推動 「醫學人才智能培訓平台」的建設。

目前，三方正嘗試將各種臨床病例數據脫敏後，轉變成三維「虛擬病人」，通過人機語音交互，模擬場景治病，在線討論，綜合評分，實現醫護人員臨床診療能力的培養、考核、評估、監督，使各類疾病的診療經驗得到積累與傳承。

在 「虛擬病人」線上培訓體系基礎上，結合住院醫師規范化培訓，醫生繼續教育培訓，項目將開發智能化的醫生培訓管理平台，實現標准化、信息化、程序化和系統性醫學人才培訓體系，並搭建國家級的「醫學人才智能培訓平台」。

讓醫院更便捷——

簽約上海新華醫院 阿里巴巴探索「智慧醫院」新樣板

兒科醫生緊缺、信息孤島猶存、醫療資源分布不均、分級診療推進遇阻……面對醫改中遭遇的種種困難，傳統醫院「不是一個人在戰斗」，互聯網巨頭的加入，為上述困難的破題提供了更多可能。

在13日杭州舉行的雲棲大會智慧醫療專場，由阿里健康牽頭，阿里巴巴正式與上海交通大學醫學院附屬新華醫院(以下簡稱上海新華醫院)簽訂戰略合作協議，共同探索「智慧醫院」新樣板。阿里健康CEO王磊和上海新華醫院院長孫錕出席活動並簽署協議。

合作協議顯示，阿里巴巴和新華醫院將致力於搭建醫院混合雲平台、雲兒科醫聯體平台，開發醫生智能培訓系統、醫學科研數據平台，實現院內就診全流程移動支付等，從而打造出一個示範型的「智慧醫院」。據了解，雙方的合作將有可能提升上海北部地區的兒科臨床技術水平和服務能力，其中涉及的基層兒科醫生培訓等問題，可通過醫生智能培訓系統得以加速解決，而兒科醫療資源緊缺的現象，則有望通過雲兒科醫聯體平台得到緩解。

「2017年，『互聯網+醫療』迭代進入由大數據、AI、醫聯體等前沿技術領銜的「3.0」時代。」阿里健康CEO王磊表示：「即便行業變化日新月異，但技術目的最終還是為了健康，這也是阿里健康不變的初心——『讓大數據助力醫療，用互聯網改變健康』。

作為阿里巴巴集團在醫療健康領域的旗艦平台，阿里健康與多地政府、醫院、科研院校等外部機構合作，在分級診療、醫聯體、智慧醫療等多方向開展試點實踐，建立線上線下一體的高效智能診療平台，幫助醫療機構做好疾病管理和醫保決策，最終讓民眾享受到普惠可及的醫葯健康服務。