大數據與臨床醫生

Ⅰ 二本數據科學與大數據技術和臨床醫學哪個好

數據科學與大數據技術好。數據科學與大數據技術專業是一個軟硬體結合，以計算技術為基礎，以數據科學與大數據技術為特色的寬口徑專業。該專業的畢業生具體就業方向主要有：計算機和互聯網領域從事數據分析、系統分御敗析、大數據工程應用開發；還可以成為信息分析師、商業分析師、資料庫協調員、開發機器學習系統等等。

人工智慧是勢不可擋的發展趨勢，大數據技術又是人工智慧的重要支撐鎮沒顫。大數據科學將成為引領人工智慧技術、物聯網應用、計算機科學、數字經察春濟及商業發展的核心。

Ⅱ AI賦能醫療的背後，臨床大數據該如何「跑起來」

19世紀，英國流行病學家、麻醉學家約翰·斯諾運用近代早期的數據科學，記錄每天的死亡人數和傷患 人數，並將死亡者的地址標注在地圖上，繪制了倫敦霍亂爆發的「群聚」地圖，霍亂在過去被普遍認為是由有害空氣導致，斯諾通過調查數據的匯總，確定了霍亂的元兇是被污 染的公共水井，並同時奠定了疾病細菌理論的基礎，這算是大數據運用的早期雛形之一。

斯諾大概不會想到，在近兩百年後，大數據的應用早已不再是偶然，隨著醫療衛生信息化的迅速發展，其通過與AI的結合在生物醫葯研發、疾病管理、公共衛生和 健康 管理等方面的滲透已逐漸常態化，但問題也相應地隨之凸顯。

信息孤島仍存

近兩年，關於醫療大 健康 數據的政策頻出，從頂層設計、具體規劃指導、數 據隱私和安全、數據管理等多個方面提出了相關的指導意見。

2016年6月，國務院辦公廳下發《關於促進和規范 健康 醫療大數據應用發展的指導意見》指出，鼓勵各類醫療衛生機構推進 健康 醫療大數據採集、存儲，加強應用支撐和運維技術保障，打通數據資源共享通道，加快建設和完善以居民電子 健康 檔案、電子病歷、電子處方等為核心的基礎資料庫。

2018年9月， 國家衛生 健康 委印發《國家 健康 醫療大數據標准、安全和服務管理辦法（試行）》，對醫療 健康 大數據行業從規范管理和開發利用的角度出發進行規范。《辦法》從醫療大數據標准、醫 療大數據安全、醫療大數據服務、醫療大數據監督四個方面提出指導意見，直擊目前醫療大數 據領域的痛點，未來對數據的統籌標准管理、落實安全責任、規范數據服務和管理具有重要意義。

然而，即使有專項政策的支持，但都限於宏觀層面，相較於其他成熟領域而言， 健康 醫療大數據領域的法律法規依然存在明顯的滯後性，缺乏比較全面、細致、明確的指引和規則，使其的發展受到嚴重製約。雖然現階段，已有很多企業在醫療大數據領域進行深耕布局，但受制於市場准入和產業政策的不確定性，目前尚在摸著石頭過河，市場熱情和活力並未得到充分、有效地釋放。

復旦大學上海醫學院生物醫學研究院教授劉雷認為，正是醫療大數據政策的不明朗，標準的不統一，也直接導致了各個系統之間難以進行數據交換和信息共享，產生了大量的「信息孤島」。舉個簡單的例子，患者在A醫院拍的片子到了B醫院卻不認，B醫院的醫生想要了解患者的信息則需要從零開始，患者曾在A醫院做的檢查需要在B醫院重新再來一輪，「想要打通醫療機構間臨床大數據資源的共享通道，至少在現階段是一件挺困難的事情。」劉雷表示。

相似的困擾也發生在相距超過一萬公里之外的美國，華盛頓大學醫學院信息研究所所長Philip Paynes在接受醫谷采訪時表示：臨床大數據間的彼此「孤立」給國家醫保機構、患者和醫院都帶來了負擔，實現大數據間的互通互用，是全世界范圍內都在著力解決的問題。

作為兩所頂尖大學的知名研究學者，劉雷和Paynes想在臨床大數據領域做一些努力和嘗試。

兩人共有的想法迅速得到了學校層面的大力支持，2019年7月26-29日，由復旦大學醫學院和聖路易斯華盛頓大學醫學院聯合授課的「應用臨床信息學和數據分析研修班」進行了第一次開班。

復旦大學生物醫學研究院教授、復旦大學大數據研究院醫學信息與醫學影像智能診斷研究所所長劉雷授課

據劉雷介紹，此次研修班得到了業界人士的積極響應，在第一屆學員中，來自醫院、醫療企業、高校各佔了三分之一，「就是純粹地想把對臨床大數據分析和感興趣的業界人士聚集在一起，通過共有的努力，能把臨床大數據的有效運用更推進一步。」

聖路易斯華盛頓大學醫學院信息學研究所主任Philip Paynes授課

「希望通過這種國際化的合作，能讓臨床大數據在醫療機構間甚至跨國間真正地』跑』起來多一種可能性。」 Paynes說道。

各自所做的 探索

而在這種可能性之前，劉雷和Paynes各自所在的研究機構均已做了大量的工作。

據悉，劉雷所在的復旦大學上海醫學院生物醫學研究作為一家致力於創建「中國第一、世界一流的生物醫學交叉學術研究機構」，已經在生物醫學交叉學科領域形成「代謝與腫瘤的分子細胞生物學」、「醫學表觀遺傳學」、「系統生物醫學」三個優勢方向，並正在努力拓展轉化醫學研究和精準醫學研究，包括老年醫學、腫瘤和心血管疾病、出生缺陷、靶點結構與活性小分子、組學和大數據、生物治療與干預，形成新的交叉學科生長點和下游技術。

另悉，目前，復旦大學上海醫學院生物醫學研究還在申請一個超算中心的建設項目，以該項目來支撐生物學大數據的研究，「復旦大學有包括中山醫院、華山醫院、仁濟醫院等17所附屬教學醫院，這其中有一些醫院也在做自身的臨床大數據中心，從研究所層面，希望能夠給他們提供一些人才培養和技術研究的有力支持。」劉雷表示。

Paynes所在的華盛頓大學醫學院信息研究所則是華盛頓大學所有大數據計劃的中心， 「我們擁有世界上最好的基因組研究所和最具生產力和影響力的基礎科學研究企業」，在醫學信息技術方面的能力非常強，但在大數據的整合方面還有待加強。」而這也成了Paynes擔任華盛頓大學醫學院信息研究所第一屆所長之後重點開展的工作。

自Paynes上任後，首先將研究所與旗下15所附屬教學醫院進行了打通聯動，從臨床大數據的收集到整合再到挖掘，最後到應用，鋪設了一條全鏈式的臨床大數據之路。

在Paynes看來：研究所下屬的15所教學醫院簡直就是大數據來源的寶藏，這15家在全美醫療機構中排名比較靠前的醫院每天產生大量的臨床數據，依託這些已有的臨床數據的回顧性研究，是分析研究疾病最基本、最重要的研究方法之一，通過將這些海量的臨床數據進行統計分析，分析的結果又將反過來為醫生臨床診療全過程提供疾病共享的發病及治療總體情況信息，幫助醫生科學決策，實現精準醫療。

「我們的夢想是不僅僅是利用臨床大數據幫助患者，而是希望這些臨床大數能滲透到他們的生活和工作，甚至休閑 娛樂 ，通過大數據的分析能夠把他們患病的概率降到最低，讓人們能一直保持 健康 的狀態。」 Paynes對醫谷展望道。

未來發展構想

在劉雷、Paynes和其團隊所做的大量臨床數據整合的工作中，由於各自旗下擁有多所強大的教學醫院，數據的來源已不是問題，然而，擺在他們面前更為現實的問題有兩個，一是要解決多模態臨床大數據的選擇問題。臨床大數據來源多樣，是一種多模態數據，其包括有結構化很好的數據，比如化驗單、處方；還有一些半結構化的數據，比如住院小結、出院小結；還有完全無結構化的數據，比如醫療影像；還有像基因測序這樣的組學數據；以及時間序列數據，比如ICU里會看到患者插著各種各樣的儀器測量血壓心率脈搏等各種流數據。

怎樣從這些不同模態的數據裡面選出需要的數據，劉雷表示他們，他們需要的更多的是結構化很好的臨床數據，為了得到這部分數據，會通過一定的技術平台會對數據進行一定的清洗，從中選取高質量的有效數據。

這個問題解決後，還有一個臨床大數據一直以來繞不開的一個爭議--安全和隱私問題。

對此，劉雷表示，依託現有的技術，目前收集的臨床大數據基本都能做到「不出院」，這在一定程度程度上很好地保證了數據的安全性。Paynes也指出，美國對於醫療大數據有很嚴密的保護法規，患者的關鍵隱私數據，如姓名、住址、電話、身份證號等進入數據管理的時候必須要打馬賽克，同時對數據進行強加密，數據即使被泄露也是不可解密的，對所有的數據訪問（誰什麼時間能訪問什麼）都要有一套嚴格的訪問控制，通過這樣的方式來保證數據安全性。

當技術的問題已不再是問題， 這意味著臨床大數據和AI的結合會變得更為完美，因此，劉雷和Paynes更多希望監管層能在未來對基於大數據訓練的AI能進行更多關於有效性和安全性方面的評估，也就是審批准入要做到嚴，同時，還要加強公眾對醫療AI的認知，不管AI發展到多麼先進的程度，總歸存在一定的局限性，它永遠不可能替代醫生，只能是醫生的一種輔助診斷工具。

盡管還有一段路要走，但對於臨床大數據和AI的搭配，劉雷和Paynes都充滿信心，至少在他們現有開展工作的規劃里，「應用臨床信息學和數據分析研修班」能最終逐步發展為一個碩士人才培養項目，為臨床大數據和人工智慧培養更多專業人才。同時，基於兩個研究機構現階段開展的工作，有天能實現跨國界的匯聚統一，可以把所有的臨床大數據統一在同一個模型上，建立一個類似於聯盟數據一樣的聯合體，這對於數據的整合和應用就會變得游刃有餘。

【凡本網註明來源非大 健康 Pai的作品，均轉載自其它媒體，目的在於傳遞更多信息，並不代表本網贊同其觀點和對其真實性負責。】

Ⅲ 智能醫療的前景怎麼樣

最近幾年，人工智慧被炒的這么火，但大家一直都在大談特談無人駕駛、智能家居，卻在這些海市蜃樓中忘記了其實它們短時間內都難以落地，而忽略了在大數據時代就已經落地了的智能醫療。

現在，大數據已經被運用到智慧醫療方面，即讓患者就醫更方便、疾病診斷更加高效，以及醫療信息更加准確。更快速也更精準的在醫療行業進行多點落地。

大數據＋醫療發展現狀

目前國內智能醫療技術相對成熟，已有多家三甲醫院引入「人工智慧輔助診斷系統」，智能系統以機器人醫生的形象呈現在眾人面前，通過固定格式的問題和病人互動，根據症狀描述開具檢查單，檢查結果出來後，系統自動出具診斷結論，一線臨床醫生再對結論予以確認。

據小智君了解，機器人上周已經跟國內200多位醫學專家進行了PK，並取得時效上的明顯優勢。工作人員將100份患者數據輸入給機器人，現場連接天河超級計算機，4.8秒鍾完工。出乎意料的是，機器人的診斷與醫生的原始診斷達到100%吻合。

二、數據是發展的關鍵

數據是「醫療＋人工智慧」行業發展的關鍵。小智君認為，醫療與人工智慧結合的關鍵在於「演算法＋有效數據」。先進的演算法提升數據處理效率與識別准確率，而有效數據是先進演算法應用的基礎。

目前，深度學習等演算法的發展已經相對成熟，醫療數的「量」和「質」是阻礙人工智慧在醫療行業應用發展的主要原因。

三、智能診斷與醫學影像識別較為成熟

智能診斷與醫學影像識別是「人工智慧＋醫療」發展相對成熟的兩個領域。

目前，發展相對成熟的領域包括「智能診斷」和「醫學影像識別」領域，兩個領域的發展將分別提升「門診」和「影像科」醫療資源的供給，解決目前醫療行業嚴峻的供需矛盾。

小智總結

在醫療領域，大數據有著廣泛的應用空間，可以用在包括疾病預防、臨床應用、互聯網醫療等方面。可以說，醫療大數據是未來醫療領域的發展趨勢。目前，在醫療行業應用大數據方面，我國還處於初級階段，政府、醫院及數據挖掘技術人員需要共同努力，才能讓大數據在醫療領域發揮作用。

Ⅳ 醫院與互聯網技術碰撞出了怎樣的火花

新華網北京12月26日電(郝多)隨著我國醫療衛生體制改革的深化，醫療衛生事業已逐步走向標准化、規范化和市場化，醫院既往的管理模式已經不能適應新時代的形勢發展。

就在11月，首都醫科大學宣武醫院(以下簡稱「宣武醫院」)通過HIMSS(醫療信息與管理系統學會)七級現場評審，新華網走進宣武醫院，來了解快速發展的互聯網技術和醫院碰撞出了怎樣的火花。

還拿著病歷本跑各個科室嗎？你「out」了

據宣武醫院黨委副書記李嘉介紹，宣武醫院從2000年開始起步做信息化建設，這些年一直在逐步完善中。在這個長期建設中，最大的一個改觀就是「全院無紙化」。各個臨床科室都實現無紙化診療，捨去紙質病例。除了字面上的完全沒有紙張，還有通過信息化手段，把流程上每一步用信息化系統進行監管，在極大提高信息傳遞速度的同時，將人工作業的犯錯率進一步降低。

首都醫科大學宣武醫院黨委副書記李嘉。新華網 楊鍩 攝

李嘉坦言，起初，臨床醫生覺得信息化改造會給臨床增加負擔。電子病歷書寫很不方便，但是隨著技術不斷進步和完善，現在對於醫院來說，是離不開信息系統的，書寫電子病歷不僅不是麻煩，更為後期查詢病歷提供了便利。

首都醫科大學宣武醫院信息中心主任梁志剛。新華網 楊鍩 攝

宣武醫院信息中心主任梁志剛說，醫院追求「無紙化」並不是目的。他說：「在醫院，最重要的是診治過程，為患者服務、保證醫護人員更好的工作環境、更精確的診療措施與治療手段」。

為你開的處方，「大數據」在監控著

信息化系統在臨床決策方面提供大量的數據支持。李嘉舉例說大數據可以應用在處方前置審核，來保證葯品的合理、合規。再比如在臨床工作中，應用相關工具給醫務人員的診療行為提供有據可循的支持和依據。

大數據還可以做監控工作——「閉環管理」。「環」的意思什麼？舉個例子，病人用葯，處方→處方審核→發葯→葯物配送→口中，這便是一個環;病人輸血，輸血申請→血樣採集→配血→輸注，這也是一個環。李嘉說，閉環管理的每一步都有信息化監控，使得流程更加順暢和高效。

梁志剛認為「大數據」監控，最重要的就是正確的葯用到對症的患者身上。他說，有科學研究表明計算機犯錯率是萬分之一，不可否認，比人類犯錯率低。設定系統的過程十分復雜，但院方也一直跑在建設信息化建設路上，所做的一切都是為了保證患者安全。

追求高效、可靠、安全的路上

談到李嘉心目中理想的臨床數據應用場景，他用三個字概括總結。首先是「全」，所謂的全是覆蓋一個患者一生的健康數據的完全集合，也就是說我們可以通過任意電腦調出來。第二「易」，數據調取利用的便捷性，無論通過什麼方式、什麼地點、比較容易調出患者的數據。第三「精」，我們現在各個系統之間，甚至在一家醫院之內，我們不同的系統對患者的同一個指標採集。標準是不固定的，比方不同科室採集標准不同，我們要做的工作，是通過我們努力，用一套規則規定不同系統，能做到採集指標篩選，是精的意思。最後，李嘉介紹了宣武醫院信息化建設的思路。在過去的幾年中，院方切實體會到信息化建設為醫院實際的運營和管理帶來便利和好處。他表示，宣武醫院的信息化建設「一直在路上」，未來，宣武醫院還將不斷引入新技術，比如大數據的應用、臨床輔助決策、雲技術等。梁志剛表示，宣武醫院的信息化建設，也離不開以北大醫信為代表的合作商的助力。長期以來，北大醫信設有專門的項目團隊常駐醫院，為醫院提供持續的信息化支持和服務。「我們不停的努力嘗試，都是為了讓醫院更加高效、更加可靠、更加安全。」梁志剛說。

Ⅳ 同一起跑線出發，掘金醫療，互聯網巨頭打到了哪一站

文 | 健識局 小米

編 | 健識局 嚴冬雪

「今後將以C2B為抓手，以』雙輪驅動』助力醫療 健康 的智慧化。」近日，騰訊高級執行副總裁湯道生向外界釋放了一個明確的信號：騰訊醫療將在服務用戶的基礎上，聯合政府、行業以及合作夥伴建立產業聯盟，以期在醫療產業中破局。

隨著國民生活水平的提高以及人口老齡化的加速，醫療已是中國今後20年增幅最快的市場，不止是騰訊，平安好醫生、好大夫、微醫、京東、拼多多等互聯網巨頭競相入場跑馬圈地。

特別是在新冠疫情期間，互聯網醫療發揮了巨大的作用。據健識局不完全統計，今年年初疫情期間，超過10家互聯網醫療平台推出在線問診專頁，200多家公立醫院開展新冠肺炎免費互聯網診療或線上咨詢，累計服務近千萬人次。

以騰訊為例，兩年前，騰訊調整組織架構，新成立雲與智慧產業事業群，以期推動各行各業的數字化升級。其中在醫療方面，2015年，微信智慧醫院推出預約掛號、繳費、候診等服務；2017年騰訊覓影和騰訊醫典上線；2019年，騰訊 健康 通過微信在全國推進電子 健康 卡和醫保電子憑證，連接全國醫療機構以及零售葯店。

上述這些正是騰訊醫療C2B戰略的體現。湯道生此前曾公開表示，未來20年互聯網的重要發展來自To B領域，騰訊有決心集公司全力迎接產業互聯網的到來。

巨頭競速中，一些平台 力求自建醫療版圖，擺脫僅依靠流量簡單連接的模式，轉而通過對產業端（B端）的 科技 助力，以吸引更多的用戶（C端），打造屬於自己的醫療價值服務鏈。

「連接」醫葯

提高全產業鏈溝通效率

數字化絕非一朝一夕之事，長期且復雜是它的特點，特別是在醫療領域。數字化醫療需要連接政府、醫療機構、零售葯店，並最終體現於廣大百姓的就醫服務中。

2019年11月24日，由國家醫保局牽頭的全國醫保電子憑證發布會在濟南舉行，到場的騰訊（微信）、阿里（支付寶）、微醫（易聯眾）三家公司同時獲得許可權，可在河北、吉林、黑龍江、上海、福建、山東、廣東七個省（市）的部分城市開通醫保電子憑證。

醫保卡正式進入了電子信息化時代，三家公司則站在了同一起跑線上。按照國家醫保局的規劃， 醫保電子憑證可同時裝載在微信、支付寶和易聯眾App上，具體用哪一款軟體，選擇權完全交給用戶。

也就是說，誰與醫院的連接更順暢、給用戶的體驗更好，誰就有機會獲得更大的份額。

健識局獲悉，截至2020年8月，山東全省16市均已實現醫保電子憑證應用全覆蓋，共激活1600.1萬人，覆蓋定點葯店20025家、定點醫療機構7614家，醫保電子憑證交易累計已有385.5萬筆、涉及金額2.7億元。

「相比於其他公司所提供的電子醫保憑證， 騰訊最大的優勢在於微信的數以億計的活躍用戶。 」山東省醫保局規劃財務和法規處主任王守平告訴健識局， 特別是在山東省內經濟欠發達地區，微信使用電子醫保憑證的用戶還是相對較多。

阿里巴巴的優勢則在於，不僅在支付寶里提供醫保電子憑證，還通過阿里 健康 （今年9月更名為「醫鹿」）App升級了處方流轉系統，利用旗下多款App聯動，力爭擴大醫療服務范圍。用戶在線就診之後，可以選擇家附近的葯店配送，全程足不出戶完成問診、開方、拿葯。

餓了么數據顯示，今年 4 月至 5 月期間，全國有超過 1 萬家葯店上線餓了么，為消費者提供送葯上門服務。這期間， 在餓了么平台，高血壓、糖尿病等慢病處方葯銷量增長350%。

與此同時，作為國家醫保局醫保電子憑證的技術實現單位，微醫則擁有數據介面。不僅如此，其「互聯網總醫院」打法，已是全國規模領先的互聯網醫院集團，包含12家實體醫療機構和21家省市互聯網醫院。用戶領取電子醫保憑證後，即可完成問診、購葯、支付，復診時也無需再次領取，選擇同一個問診人即可。

當然，想改變看病難、看病貴的醫療現狀，只是提升醫院的就診體驗仍遠遠不夠。 把眾多患者有效引流至零售葯店，也是本輪醫改重要的目標。

「這幾年，葯店經歷了線上線下各類不同邊界業務的各種沖擊，如今必須考慮實體店的線上化，騰訊的切入點就在這里。」騰訊醫療副總裁張猛解釋，具體可以從智慧零售和智慧 健康 解決方案來著手，一方面讓葯店從單門店服務變成全天候服務；另一方面拓展葯店場景，如歐美那樣從單純的賣葯擴展為微型檢查中心。

目前，騰訊已和海王星辰、老百姓大葯房等國內連鎖葯店展開合作。海王星辰市場部總監劉承龍告訴健識局，旗下8000萬會員可通過微信小程序在線購葯，最快30分鍾送葯到家。

有了方便快捷的購葯途徑後， 如何降低用戶與葯店之間溝通成本、提高首付購買率、用戶黏著度，是各互聯網醫療平台著力要解決的問題。

其中，以慢病管理見長的醫聯與連鎖葯店的合作更穩固。醫聯的「雲葯房」為廣大乙肝、HIV患者提供線上病程管理+開方送葯的服務，保證了長期服葯患者的依從性，也為公司獲得了穩定、可觀的現金流。

隨著醫改不斷推進，用葯依從性將是決定互聯網公司生死的關鍵因素。 互聯網平台在醫療機構、零售葯店和患者之間建立的信息網路，也將發揮越來越重要的作用，最終改變各方的醫療習慣，提高醫療服務效率。

AI助力

智慧醫療進入「雲時代」

在互聯網+的數字化改革浪潮中，想打造生態，僅僅靠鏈接仍然是不夠的。

基於大數據、AI、開放平台架構能力，騰訊構建了「智慧醫療中台」，為醫療機構提供臨床醫療、 健康 管理、科研教學等一整套技術支持，並與合作夥伴共建「智慧醫院」「 健康 城市」等，以最終實現醫療 健康 產業的數字化升級。

作為首批與騰訊開展「智慧醫療」合作的三甲醫院，深圳南山醫院從2018年便開啟了 探索 。該院網路技術科副主任呂周平向健識局介紹，藉助於騰訊的智能分診技術，目前所有科室的分時段預約都能精確到半小時以內；同時，騰訊雲存儲技術，也使得院內幾千張醫學影像可同時讀取，大大提升了一線臨床醫生的工作效率。

呂周平特別指出，在南山醫院，患者實名上傳病史資料後，智慧醫療平台的 AI引擎會分析判斷，將專家號匹配給病情重、急需專家出馬的患者， 以提升醫療機構的服務效率。對年輕醫生來說，這套基於醫療大數據的AI系統則可以輔助提升臨床診治水平，降低誤診、漏診概率。

騰訊天衍實驗室主任鄭冶楓博士透露，在湖北宜昌腦卒中風險預測項目里，5家合作醫院的所有數據匯總顯示，採用橫向聯邦學習做聯合訓練後，診斷准確率提升了10%~20%。

不過，年輕醫生和基層醫生的臨床診療能力提升終究是一個漫長的過程。騰訊醫療副總裁吳文達曾感慨， 提升基層醫療質量首先要建立醫患互信，這種人性中的信任，不是互聯網服務一鋪就能實現的，需要團隊在線下一家家醫院去溝通。

為醫療機構提供AI系統的當然不止騰訊一家，微醫、卓健、商湯、依圖等數十家公司均開發了此項業務。有業內人士向健識局透露，目前這個市場的技術門檻並不是很高，競爭十分激烈。

近年來，健識局看到， 不少互聯網巨頭進入傳統醫療領域，總還是會使用「唯快不破」的互聯網思維，導致實際工作難以推進。 屢次受挫碰壁後，巨頭們對醫療產業逐漸熟悉，慢慢找到正確的發展節奏。

在醫療領域，阿里巴巴也數度調整業務模式。從天貓醫葯館上線、收購中信21世紀成立阿里 健康 試水電子 健康 碼，再到今年9月初上線網路問診平台「醫鹿」，阿里 健康 業務也逐漸囊括了醫葯電商，在線問診、遠程醫療、AI系統等。不過，阿里 健康 2020財報顯示其年度虧損達1569.6萬元，已是上市以來連續第6年虧損。

目前被資本看好的平安好醫生和京東 健康 ，則有一個共同特點——自建醫生團隊，與此同時，也都和線下連鎖葯店、社區醫療機構達成了戰略合作，將互聯網服務真正落在實處。

醫療是非常傳統的產業，分析人士指出，互聯網公司若想在其中有所作為，就必須要深入到產業的模式中，否則只能游離在各環節之間，難以找到盈利模式。

疫情之下

一場「C2B」戰略升級大練兵

盡管醫療領域公認是今後20年的商業金礦，但目前而言，互聯網醫療的盈利模式還不夠清晰，多家上市公司都仍處於虧損狀態。競速之中，各家正在比拼的， 無非是盡快完成醫療信息規模化布局，齊心協力參與之中，期待全國醫療體制改革的整體破局。

毫無疑問，2020年席捲全球的新冠疫情加速了這一進程。面對疫情，互聯網+醫療再次迎來一輪政策利好。在湯道生看來，疫情讓人們重新審視了公共衛生體系與智慧醫療之間的重要性。

「在抗疫過程中，騰訊不是』旁觀者』，而是與廣大醫務工作者並肩戰斗的』同行人』。」湯道生表示，從公共衛生管理到醫院數字化，醫療 健康 正迎來全方位升級。

在今年9月舉行的2020騰訊全球數字生態大會上，騰訊雲推出「杏林計劃」，要與行業夥伴共建智慧醫療 健康 新生態。按照湯道生的設想，騰訊一方面助力個人，打通資訊、掛號、問診、購葯、支付等 健康 服務環節，實現線上線下一體化的醫療 健康 服務；另一方面助力政府、醫院、醫療機構、醫葯企業的智慧升級，通過數字化解決方案，助力供給側創新。

也就是說，以C2B作為核心戰略，騰訊除了為葯企、零售葯店、醫療機構提供數字化方案； 還將為政府搭建PAAS平台、醫保數據中台、DRGs運營管理、互聯網+醫保等場景。

這種打法，將隨著在醫療領域的持續深入，進一步助力數字醫療共同體的互聯互通，以協同生態輸出智慧醫療解決方案，最終推動醫療 健康 產業的數字化轉型。例如，在前述大會上，騰訊醫療副總裁黃磊宣布開放騰訊醫典API，以與搜索入口、內容平台、移動應用、智能硬體等不同類型的平台建立合作。

顯然，互聯網醫療產業之大，絕非一家通吃的 游戲 。2020上半年，京東 健康 的醫葯電商業務銷售額達77億元，比9000家第三方商家總和還要多，包含1000萬個SKU，年活用戶約7250萬。

而平安好醫生的優勢在於打造了國內最大的醫生生態圈。健識局獲悉，平安好醫生駐司醫療團隊超1800人，平台聚集了全國近萬名專家，已建立起包含超11萬家合作葯店、4.9萬家合作診所、2000多家體檢中心的線下合作網路。

這些傳統醫療資源的欠缺，正是騰訊作為互聯網公司急需彌補的一塊「短板」。 2015年，馬化騰在公開場合正式提出了騰訊「把半條命交給合作夥伴」的開放姿態；2018年，馬化騰再度強調「產業互聯網」概念，騰訊也在同年進行架構變革。如今兩年過去， 道阻且長、閃耀金光的醫療產業仍是各互聯網巨頭奮力狂奔的領域，而to B的數字化生態能力正是個中關鍵。

Ⅵ 依託真實世界專病資料庫，明智醫療如何打造腫瘤大數據服務平台

隨著醫療大數據行業企業走向上市進程，企業發展途徑也變得日益明晰，從初期切入時的數據標准制定、數據清洗，到基於數據的輔助葯物研發、智能診斷等，再到腫瘤全周期診療服務，企業幾乎都會經歷從為B端、H端賦能，逐步走向服務C端患者的道路。

成立於2018年，專注於腫瘤領域的明智醫療，依託聯合臨床腫瘤學會發起的全國單癌種真實世界研究、基於循證醫學證據建立的以患者為中心的全病程 健康 資料庫，致力於為葯企、患者、醫療機構提供閉環大數據解決方案。

在巨頭虎視眈眈的情形下，他們的優勢在哪裡？他們又如何看待腫瘤大數據服務平台可能的發展？我們采訪了明智醫療創始人朱宏。

明智醫療創始人朱宏，本身有著生物信息學專業背景。在2014年，朱宏便開始主導開展醫療大數據研發工作，與中國臨床腫瘤學會達成了長期戰略合作，共同建立了中國腫瘤患者專病數據信息庫。

早年的醫療大數據行業從業經歷，讓他意識到了一場以數據為基礎的智慧醫療變革正在悄然發生。對醫療 科技 前沿信息的接觸與 探索 ，也讓他更為堅信自身的觀點——在大數據 社會 ，智慧醫療的變革勢必會發生，它將成為一場顛覆式的創新，需要參與者從產品創新、商業模式發現和價值網路搭建三方面同步進行。

這場變革本身有著內在的需求推動。當前患者面臨的並不僅僅是看病難、看病貴的問題，在他看來，更為關鍵的問題在於缺乏對患者的疾病全程管理。例如，一名腫瘤患者在出院時，醫生往往只會叮囑患者注意飲食等，而患者院外管理流程幾乎是缺失的。患者如何在院外更好地實現自我管理，在當前醫療資源相對緊缺、相對固定的結構層次下，幾乎是難以解決的問題。而以數據為基礎的智慧醫療將從根本上解決這個問題，在助力葯企、醫院的同時，更好地助力患者全病程管理，實現患者獲益。

對市場的調研進一步堅定了他的信心。據估算，2025年，腫瘤大數據市場有望實現超2000億元的突破。在這背後，本身是腫瘤治療服務改善、葯品研發加速的需求。政策也向著更好的方向發展：國家進一步縮短了創新葯IND和NDA申請的審評審批時間，加速創新葯商業化，解決緊迫的、未滿足的臨床需求。

最終，朱宏將錨點放在了醫療大數據真實世界研究方向上。在他看來，要實現這一目標，需要堅定的信念與正確的策略：

要確信以數據為基礎的智慧醫療將得以實現。朱宏找到了一批志同道合且經驗豐富的人士加入到團隊中。例如副總裁王洋，具備10年以上醫葯企業市場營銷咨詢服務經驗和多年IT領域新產品研發經驗，是難得的創新跨界人才；副總裁金海欣，更有著復旦大學葯學專業背景，是多年外資葯企市場和營銷冠軍，長期從事醫葯學術研究市場應用研究；CMO，是北京大學醫學院醫學部博士、美國西北大學和密西西比醫學中心博士後，具有10年以上基礎醫學科研經驗、6年腫瘤學術、臨床檢測和診斷產品醫學推廣經驗。

堅持長期發展策略。朱宏指出，「臨床醫生使用的聽診器，從發明到固定成型使用，經歷了漫長的數十年。」在嚴肅的醫療領域，更需要堅持長期策略，穩扎穩打地做好醫療大數據服務平台。

為了更好地實現醫療大數據服務平台的發展，在最初設定中，朱宏認為應當著重發展3大模塊：

1、診療路徑方面，線下診療路徑往往與臨床指南與診療規范有關。線上化過程中，需要思考如何構建核心功能組件、模塊，實現以真實世界研究為支撐依據，科學結合診療規范及臨床指南。為此，明智醫療布局真實世界研究，並邁入該領域第一梯隊陣營中。

2、通過可穿戴監測設備實現對患者數據的實時掌握，獲得數據，並以患者為中心，實現對患者全病程管理。目前，明智醫療在管理患者及患者隨訪過程中逐步積淀了真實世界數據，助力真實世界研究，為後續申報數字療法奠定基礎。

3、具備演算法能力。腫瘤疾病資料庫與臨床指南、診療規范，需要通過演算法實現連接，更好地助力臨床決策。2019年，明智醫療便與清華大學達成了戰略合作，開發腫瘤AI輔助決策系統。

早年對行業的接觸與洞察，讓朱宏很早便意識到了專病資料庫的重要性。明智醫療成立後，選擇聯合中國臨床腫瘤學會發起中國原發性肝癌臨床登記調查（CLCS），歷時4年，專注於建設專病資料庫，643個數據採集點覆蓋了95%以上RWS數據要求，基本滿足專家對臨床研究的需求，同時也具備易於多中心聯合的特點。該肝癌疾病資料庫最終覆蓋了5000+核心專家、25萬+腫瘤患者、100+核心醫院。

朱宏指出，「在過去幾年，雖然其他醫療大數據公司也可以選擇與學會合作建設專病資料庫，但少有公司進行這樣的嘗試。一定程度上是因為明智醫療合作開發的醫療資料庫本身足夠專業。另一方面則是因為專家時間有限，不會選擇重復建設同樣的事物。」

專業的肝腫瘤資料庫，幫助使用者基於其產出了多項具有國際影響力的研究成果，基於資料庫發表的專病學術洞見，也被學術界廣泛引用。事實上，當前仍舊有很多疾病病種有待建立專業資料庫。朱宏表示，他也希望業界同行可以更為重視專病資料庫的建設。

實際上，建設專病資料庫的過程比想像的困難得多。比如原始數據的標准化，在明智醫療拓展的100家醫院中，不同醫院對於同一事物往往有不同說法。如果這僅意味著工作量，那麼另一些事情便意味著巨大的挫折與挑戰。

比如部分醫院關鍵指標數據缺失；部分大醫院不願意與其他醫院共享數據。明智醫療邁過了大量門檻，並通過建立起溝通機制，如建設數據使用委員會解決數據共享的問題，形成了良性的運轉機制，在拓增數據的同時，助力臨床科研。

明智醫療規劃的主營業務分為三類，基於專病資料庫的大數據服務平台以及真實世界研究項目，輔助葯企實現患者招募、真實世界研究、提供市場洞察、精準營銷、學術推廣服務；針對醫療機構搭建一體化科研平台、智能患者隨訪平台，協助醫院信息化建設，搭建輔助診斷模型；針對患者，建立從短期腫瘤治療管理到長期患者全病程智能 健康 管理體系，並於日後提供數字療法。

目前，明智醫療與大量創新葯企達成了合作。其實，早在2018年，其便與某日資葯企達成為期三年的資料庫賦能合作。當時企業面臨缺乏行業洞察和學術推廣渠道，上市新葯無真實世界安全性和有效性證據等問題，難以得到行業專家的認可。明智醫療通過委託項目專家發起新葯真實世界數據研究作為專病平台的亞組研究，同時為葯企提供基於資料庫的行業洞察，最終幫助其獲得了遠超預期的銷售業績。

在這個過程中，明智醫療也在進行從單癌種肝癌疾病向其他癌種疾病的橫向拓展。在朱宏看來，橫向復制復製成本相對較低。「就像你看到的冰山一樣，表面可能是獨立的冰山，但底部早已實現連接。」底層邏輯與資源的共享讓明智醫療可以在資源有限的情形下，實現進一步的擴張。比如肝癌屬於消化道腫瘤，其他消化道腫瘤疾病如膽管癌、胰腺癌、胃癌、結直腸癌、食道癌等均可共享部分醫生科室資源。

在縱向拓展方面，據朱宏介紹，「中國前200家腫瘤專科醫院，診治了中國腫瘤治療人群的差不多60~70%。」明智醫療在實現頭部腫瘤醫院簽約數量增長的同時實現著規模增長，以便更有利於以數據為支撐的真實世界研究，並助力葯械企業進行精準學術營銷。

隨著數據賦能的深入推進，明智醫療將推出面向患者的數字療法。朱宏強調，數字療法指向智慧醫療的未來。由軟體程序驅動，以循證醫學為基礎的干預方案，用以治療、管理或預防疾病的數字療法，本身涉及患者的全程管理。一旦90%的時間無需醫生管理患者，將極大地改善當前患者全病程管理狀況。數字療法本身也在助力葯企實現精準葯物治療，進而進一步促進針對患者的精準治療。

相對於以往葯械企業為數字療法付費，朱宏認為患者端付費是可能實現的。因為患者本身是最終的獲益方。當前難點在於患者尚無付費習慣，企業不知如何與患者溝通助力患者提升對數字療法的信心。在他看來，數字療法是以循證醫學為基礎的電子葯物，其對於患者的療效是基於證據支持的。企業一旦研發出使患者獲益的數字療法，通過學術推廣和數字療法本身所具備的患者多維度體驗，患者會遵循醫囑為數字療法買單並具有良好的用葯依從性。
朱宏表示，當前存在兩種可能的付費方式：一種是一次性付費，用於專家會診提供個性化的院外治療、康復方案制定；一種是日常監護管理費用。此外，當前數字療法領域仍舊需要不同領域的企業進入做大市場，充分實現競爭相互促進，讓患者更好地了解數字療法可以助益患者這一實際。當患者、葯企、醫生三方均存在意願時，顛覆性創新局面才可以更快的到來。而明智醫療也有望在這個過程中獲得首批癌症數字療法的認證。

明智醫療計劃繼續拓展簽約的醫院數量，實現腫瘤診療人群的覆蓋。在取得互聯網醫院牌照後，其計劃進一步基於真實世界數據，實現真實世界研究，獲得真實世界證據，打造並取得針對不同癌種疾病的數字療法。

當前，明智醫療真實世界研究已躍入行業第一梯隊，其服務了多家腫瘤制葯公司，與多家行業協議/學會、國內外知名葯企保持著長期合作關系。其此前尚未進行過融資，目前計劃引進外部資金實現創新業務拓展。

其計劃將融資獲得的資金用於資料庫的建設，實現患者人群的進一步覆蓋，並拓展至其他疾病領域；在建設互聯網醫院基礎上，實現數字療法的打造，更好地實現患者院外的疾病全流程管理。

Ⅶ 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。

Ⅷ 大數據能給醫療帶來哪些改變_大數據在醫療方面的作用

如慧遲今是大數據時代，前景自然好了，據前瞻產業研究院《2016-2021年中國行業大數據市場發展前景預測與投資戰略規劃分析報告》顯示，總的來說，醫療大數據應用主要體現在臨床操作、研發、新的商業模式、付款/定價、公眾健康五大領域，在這孫碧基些場景中，大數據的分析和應用都將發揮巨大的作用。

醫療大數據的應用對於臨床醫學研究、科學管理和醫療服務模式轉型發展都具有重要意義，而大數據技術的運用前景是十分光明的。

醫院和醫療行業面臨的大數據主要有醫學影像、視頻(教學、監控)及文獻等非結構化數據。由於這些數據增長很快且結構復雜，給數據管理和利用帶來較大的壓力，存儲與管理成本不斷提高，數據利用困難、利用率低。除了數據數量和形態的迅速增加，醫療數據還需要越來越長的保留期。一旦存儲系統的安全性出現問題，導致醫療數據丟失，醫院會面臨嚴重不良局面。醫療大數據的應用要保證數據的全面性、准確性、實時性和使用的便捷性，要能快速運算和快速展現，要與日常工作平台緊密結合。

國人已經把健康大數據上升為國家戰略，而面對「大數據」的挑戰，醫院必須考慮三大主要問題。

(1)數據存儲是否安全可靠?因為系統一旦出現故障，首先考驗的就是數據的存儲、災備和恢復能力。如果數據不能迅速恢復，而且恢復不能到斷點，則將對醫院的業務、患者滿意度構成直接損害。

(2)如何提高醫院運行和服務的效率?提高效率就是節省醫生的時間，從而緩解醫療資源的緊張狀況，在一定程度上可以幫助解決「看病難」的問題。

(3)如何控制大數據的成本?存儲架構是否合理，不僅影響醫院IT系統的成本，而且關乎醫院的運營成本，醫療數據激增，使醫院普遍存在著較大的存儲擴容壓力。如今，醫院的存儲設備大多是由不同廠商構成的完全異構的存儲系統。這些不同的存儲設備利用各自不同的軟體工具來進行控制和管理，這樣就增加了整個系統的復雜性，使管理成本非常高。

未來，大數據必將影響醫療行業，未來醫療行業的大數據將會具體應用在：臨床輔助決策，則謹醫療質量監管，疾病預測模型，臨床實驗分析。其發展空間有：個人健康門戶，慢病管理和健康管理，電子病歷和臨床質量監控，醫學知識管理，臨床路徑和循證醫學，遠程醫療和移動醫療，醫學研究數據倉庫和共享平台，跨醫療機構協作平台。

Ⅸ 大數據在醫療行業的應用有哪些

大數據專業屬於交叉學科：以統計學、數學、計算機為三大支撐性學科；生物、醫學、環境科學、經濟學、社會學、管理學為應用拓展性學科。所以大數據在眾多行業都有應用，下面說說其在醫療領域的應用。
隨著互聯網規模不斷的擴大，大數據正在改變著這個時代的絕大一部分的行業或者企業，醫療行業也不例外，醫療健康正在成為人們關注的重點問題，以智能化、數字化為特徵的醫療信息化正在蓬勃興起，醫療行業的數據類型也在向海量、復雜、多樣的類型方式轉變。
1.就醫數據進行電子化管理
對電子醫療記錄的收集，包括個人病史、家族病史、過敏症以及所有醫療檢測結果等。在信息系統中進行分享，每一個醫生都能夠在系統中添加或變更記錄，而無需再通過耗時的紙質工作來完成。這些記錄同時也能幫助病人掌握自己的用葯情況，同時也是醫學研究的重要數據參考。
2.健康預測
通過智能手錶等可穿戴設備的數據，建立健康預測模型，通過這些可穿戴設備持續不斷地收集健康數據並存儲在雲端，實時匯報病人的健康狀況。應用於數百萬人及其各種疾病的預測和分析，並且在未來的臨床試驗將不再局限於小樣本，而是包括所有人。
3.醫學影像以及臨床診斷
通過讓大數據機器人來識別記住各類海量的醫學影像，例如X射線、核磁共振成像、超聲波……等各種的圖像。對大量病歷進行深度挖掘與學習，訓練其對影片的診斷，最終實現輔助醫生進行臨床決策，規范診療路徑，提高醫生的工作效率。
4.葯品研發
利用大數據進行數據建模並進行分析，預測葯物的臨床結果，可以為臨床階段的實驗結果提供參考，節省臨床階段的時間並優化臨床實驗結果。制葯公司也可以通過數據建模進行分析，從而生產出治療成功率更高的葯品並極大地縮短葯品從研發到投入市場的時間。