⑴ 从大数据平台到数据治理，智慧医院大数据何去何从
背景：上周看了阿里章剑锋写的一篇大数据文章，加上对健康医疗大数据相关政策的分析，想就医院大数据的建设说几点看法，毕竟国家健康大数据战略下智慧医院大数据是必然先驱，有大数据抱负的医院信息科大部分还在摸着石头找过河的路，而其他行业的经验还是很有借鉴意义的。
2019年6月，中国卫生信息与健康医疗大数据学会会长金小桃（中国卫生信息学会会长）在6月20日的2019(14th)中国卫生信息技术/健康医疗大数据应用交流大会上发布《新一代医院数据中心建设指南》（尽管找遍网络都没找到这个指南，可能还在整理中...）
而基本同一时间，国家卫健委统计信息中心初版了《医院数据治理框架、技术与实现》，对“医院大数据”明确为“医院数据”，这也是我一直在解释的名词，正符合大数据的正确引导和深度理解。
2019年的厦门CHIME，中国医院协会信息专业委员会发布了《医疗机构医疗大数据平台建设指南（征求意见稿）》。在结合2015年以来的每年一批的健康医疗大数据国家战略政策指导，大数据国家战略的决心和国家支持引导的力度可见一斑，而医院侧信息化的现阶段热点就是医院信息平台，信息平台的热方向就是医院大数据和人工智能，当然这脱离不了首先建设完备的医院信息化系统。我们再来看一个政策：
2018年4月，国家卫生健康委员会规划与信息司发布了《全国医院信息化建设标准与规范（试行）》。它是在2016年《医院信息平台应用功能指引》和2017年《医院信息建设应用技术指引（试行）》基础上，形成的较为完整的医院信息系统体系框架。在《医院信息平台应用功能指引》明确医院信息化功能和在《医院信息化建设应用技术指引》上明确了医院信息化技术。看医院信息化完整地图，云计算、大数据、物联网以及传统信息化支撑的是金字塔顶端的人工智能，最近几年AI大数据经常被一起称呼，不可能脱离信息化基础和大数据基础去建设AI的空中楼阁。所以大数据和AI找同一厂家（或者同一生态圈）建设会是最好的选择，毕竟做AI的一定先做数据，但是做数据的却不一定做得好AI，看市场上那么多数据搬运工公司就清楚了，这也是造成医院大数据前期建设重数量轻质量的主要原因。
再来看大数据的宏观发展环境，从2009年闪亮登场到2015年泡沫顶峰，已经迈过了甘特曲线的2个关键节点，现在正处于稳步发展。
大数据技术的2个维度是我觉得章剑锋最深刻的大数据概念解析，垂直的技术栈维度和水平的数据流维度，也就是垂直的平台+应用，水平的数据处理。何为大数据？这一轮数据到大数据的概念，水平维度的数据处理理论正式出现已经30年了并没有大变化（这个维度数据大数据都应该称为数据处理），而聚变的是技术栈维度：hadoop、spark、storm、flink等等，但是闪亮的hadoop不也在没落么，因为技术为业务而生，符合业务需求的才是最合理的技术。而医院大数据建设出的第二个比较大的问题就是追求新技术典型如hadoop，就医院数据体量和应用需求，hadoop真不是最佳实践，而繁杂的运维和庞大高昂的资源硬件成本可能是压垮信心的根本原因。
再来看医院大数据上云，尽管很多人觉得国内是数据隐私和数据安全比较宽松的环境，但是医院数据侧一直都比较谨慎。虽然最近国内出了政策，允许医院将患者数据对患者开发，但是把医院数据放在厂家提供的云上，对于大型三甲医院目前依然不现实。医院除了诊疗水平，最重要的资产就是医院数据，医院数据又比较敏感，医院本身是要遵从严格监管的，所以按照当前形势，更适合医院的还是数据在医院（很多医院通过免费大数据战略合作协议让医院数据上医某云）。
还是回到大数据平台，伴随着大数据概念火热，hadoop缺在逐步没落，就大数据技术栈本身，不存在hadoop架构和oracle架构的选择（在这个点上大量概念混淆，oracle和hive HDFS只是存储方案的差异，hadoop是大数据完整技术栈），只存在数据存储架构的选择，根据数据量、数据使用方式、数据分析方式决策更合理的架构，选了hadoop就不能用oracle吗？这是医院大数据平台建设里经常混淆的点。根据应用场景选择存储方案，根据数据分析需求选择技术栈，如果不清楚需求，何不来个混合架构搞个万金油？其实医院大数据，oracle是可以用的，国产化另论。如果定了oracle是不是就不能用hadoop了呢？
这里又引申到另一个问题，Hadoop、Spark、Flink等大数据技术的发展，医院大数据建设技术要求必提，但是真正建了之后会发现好像哪里不对劲，难道大数据就是这么高大上到信息科要大量学习新技能吗？能用的技术才是好技术，自己都用不了的一定有问题。其实医院信息科真正需要的不应该是Hadoop、Spark、Flink等大数据技术的堆砌，应该是信息科都可以简单上手操作做数据治理，以这些技术为基础的能解决业务问题的产品。也即真正的易操作、专业化、流程化、全链路的数据平台（绝对不是hadoop），这个平台准备后续专门介绍。
智慧医院从大数据平台的建设到数据治理平台建设，大部分是从技术栈的hadoop转向数据专业治理本身，也就是从垂直的技术栈维度转换为横向的数据流维度，还是要平台，而此平台已经不再hadoop。数据治理到底如何做呢？参见前一篇文章《如何做数据治理》，数据治理最早成熟应用是在零售业、银行业，以及运营商，现在每个AI互联网公司都会有数据部门，医院数据治理可能还是先解决自身的业务问题本身，能不能发展到数据中台，还要看医院战略，而不是各种广告中的概念。
还有一点需要补充的，中美贸易摩擦，美对中进行了严格的出口管制，无论从硬件还是软件，能支持国产化会是一个更好的选择。
最后，数据治理本身是一个重运维重交付重实施的事情，当前市场大量充斥草台班子的数据搬运，没有深度长期的价值挖掘，再好的搬运工做的也是劳民伤财的事，参考谷歌和梅奥的十年战略合作协议，这才是医院大数据真正有远见的规划。
简单总结下，智慧医院大数据发展趋势：
1. 政策会频繁颁布，医院大数据（数据）建设一定是必然，目前已经开始稳步发展；
2. 大数据平台概念会褪去，医院真正需要的一定是全产业链整合的数据管理平台；
3. 智慧医院会更加重视数据流即数据治理本身，现阶段还需要一套简单上手的平台辅助；
4. 智慧医院大数据中心依旧以私有云机房为最佳方案；
5. 智慧医院大数据中心需要兼容国产化需求；
6. 找一家AI大数据公司作为长期战略合作伙伴将更加现实，毕竟只讲大数据的大部分都是数据搬运工；
⑵ 「医疗数据说」近百家企业仅跑出4家独角兽医疗大数据“金矿”待启
医疗大数据概念是从何时出现的？
早期，医疗大数据并非一个单独行业，更多的作为产业中的一个“元素”。上世纪90年代末，包括东软、卫宁 健康 、万达信息等老牌信息化厂商在公立医院建立根据地，为我国医疗大数据发展打下了基础。
经过十多年的 探索 ，国内的医疗大数据产业链已经初步形成。政策对于医疗大数据的监管和整合逐步推进，产业中也出现了以医疗大数据存储、挖掘、分析以及应用的创业企业。但总体来看，我国医疗大数据的发展速度并不快。
这一方面归咎于我国大数据的总量大，但质量较低、分散分布、不完整等特点；另一方面，由于医疗行业的高度政策导向性，国家对于医疗大数据的管控步伐走的仍然比较保守。
亿欧大 健康 对国内医疗大数据领域的企业进行了盘点，发现这些企业呈现出三大特征，并且在医疗大数据蓝海里，仍有座“金矿”亟待被挖掘。
根据医疗大数据产业链，亿欧大 健康 将其梳理为三个维度：基础层、技术层和应用层。基础层负责数据的采集、转换，技术层专注数据存储、加工、清洗和分析，应用层则聚焦在数据的价值挖掘的场景应用上。
在亿欧大 健康 的盘点中，有部分企业如腾讯、华大基因等企业在三个维度均有覆盖，也有例如博识医疗云等企业专注于医疗大数据的部分环节。
从上述三大层面来看，企业规模分异较为明显。 基础层多集中在上市公司，且多为医疗器械和医疗信息化企业。 由于近几年新成立的创业公司大多并没有太长时间用来沉淀数据，这一行为甚至与其商业化的方向相悖，因此，医疗 健康 大数据的“供给端”集中出现在与实体医院相连的HIT厂商和医疗器械尤其是智能可穿戴设备中。
细观技术层中的企业，大多是以提供医疗 健康 技术解决方案的形式进行服务。 这一类公司通常首先立足于某一病种，并以AI技术和数据加工分析能力为技术壁垒，服务覆盖医疗机构、药企、保险等几大角色。不同的是，各公司所覆盖的细分和范围有所差异。有意思的是，技术层的公司融资轮次都不高，在33家中，B轮及以下的企业有23家，上市公司仅有3家。
这一现象在应用层虽然有所缓解，但企业的体量分异仍然很明显。在应用层统计的34家企业中，B轮及以下公司占据50%，不过，表格中出现不少上市公司的身影。这一方面体现出上市公司医疗逐渐开始注意到了医疗大数据这块“肥肉”，另一方面，也不可避免的加剧了医疗大数据应用层的竞争程度。
很显然，相比AI应用于医疗辅助诊断或是互联网医疗，医疗大数据远还没有到达爆发的节点，对比其他行业，应用程度也没有零售、金融等行业成熟。但根据IDC Digital的预测，截至2020年医疗数据量将达40万亿GB，是2010年的30倍。
这是一片潜在的金矿，那么在医疗 健康 产业中，大数据有哪些应用场景？亿欧大 健康 总结出了6个方向。
1、大数据+医药研发。 在初步应用中，医疗大数据在缩短研发周期、降低研发成本、处理患者数据、模拟疾病模式等方面均有出色的表现，这给入局者们增强了不少信心。
2、大数据+临床决策。 在医疗机构信息化建设的架构上，医疗大数据可以对临床决策起到很好的辅助作用。目前来看，医疗大数据在辅助临床精准医疗、疾病风险预测方面应用较多，例如在患者出现某症状之前就计算出患病概率和时间节点，以便在临床上进行早期干预。
3、大数据+互联网医疗。 曾有行业人士表示，互联网+医疗的核心内容是大数据。在这一场景中，企业比较多的做法是将大数据和互联网医院、养老、 健康 管理和居民电子 健康 档案相结合，并辅助政府进行区域性 健康 信息管理。
4、大数据+医疗保险。 除了助力医疗保险精准服务、精确管理和科学决策，在医疗保险中，大数据还在例如单病种、DRGs等支付标准设计、完善药品数据和统一标准、完善医保智能监控系统等方面有巨大的发挥空间。
5、大数据+ 健康 管理。 “ 健康 管理”这把火并不是伴随着大数据的兴起而烧起来的，但准确来说，是大数据让“精准 健康 管理”开始在行业中成为一代网红，其中玩家包括妙 健康 、 健康 有益等在内的公司。当下，大数据 健康 管理更多地建立在EHR（电子 健康 档案）和EMR（电子病历）两种整理方式上。
6、大数据+智能诊断。 医学影像和辅助诊断的细分应用是医疗大数据最成熟的落地场景之一，但对于当下AI+医疗企业较为苦恼的事情是，一方面数据量级并不足够大，另一方面数据孤岛情况严重，这是制约其发展的很大一个因素。但无论如何，大数据+智能诊断仍广泛被行业所看好。在商业化落地上，这些企业的步伐也相对较快。
总体来看，医疗大数据的应用场景众多，但应用程度大多处于中度乃至弱；在上述表格中近百家医疗大数据企业，仅有丁香园、微医、零氪、思路迪迈入独角兽行列；除此之外，国内专注于医疗大数据的新资本也屈指可数。
这一系列现状实则展现了医疗大数据是一片蓝海，而蓝海之下蕴含的是巨大的商业价值。 在三医联动、分级诊疗等新政策的加持下，以及国家对于医疗 健康 大数据的逐步规整中，作为全行业底层支撑的医疗大数据，势必将迎来爆发的一天。
近年来，随着我国医疗需求攀升，医疗机构、药企、保险公司正不断寻求产业升级新机会，医疗 健康 大数据发展势如破竹。亿欧大 健康 频道策划了【医疗数据说】系列专访和选题报道，聚焦大数据给医疗产业链各环节带来的颠覆和变革。
如果您有合适的企业推荐，请联系亿欧大 健康 频道负责人郭铭梓（微信：Lelion8742390）。
⑶ 京颐科技携手腾讯云发布云智慧医疗联合解决方案
中新网8月9日电 8日，京颐 科技 与腾讯云在昆明召开云智慧医疗联合解决方案交流会，正式发布了双方共同打造的云智慧医疗联合解决方案，推动医疗行业全面云化，致力构建“云端”智慧医疗新生态，为百姓 健康 保驾护航。
与腾讯云牵手
近年来，国家一直致力于推动云计算、大数据在医疗领域的应用，尤其是伴随5G、网络安全性能的提高，大数据、云计算在医疗行业的应用越来越广泛和深入。
在此背景下，京颐 科技 携手腾讯云重磅打造云智慧医疗联合解决方案，加速医疗信息化云端转型。
据介绍，京颐 科技 深耕医疗信息化15余年，拥有6500多家各类型医疗机构，其中包括300家以上三级医院。京颐在行业内较早涉足云计算、互联网，是国内最早涉足云HIS的厂商之一。早在2015年，京颐就积极筹划云HIS产品的开发，并于2016年为安徽亳州建设了安徽省等级最高、全国首例区域云模式平台。在发展的过程中，京颐不断丰富和拓展云HIS的功能，目前京颐云HIS涵盖了临床、管理、便民等40多个功能模块，已帮助安徽利辛县第二人民医院、云南牟定县中医医院、内蒙古自治区第四医院等多家二甲及以上医院实现信息系统的全云化，成为云模式的实践者。
对于双方合作，腾讯云泛政府行业生态合作总监夏璞表示，腾讯云充分利用自身数据计算和平台支持等优势，与京颐多年丰富的医疗行业积累实现整合和互补，共建云端智慧医疗新生态。
构建“云上”智慧医疗
此次合作，京颐 科技 和腾讯云在技术生态和优质资源上实现了整合，双方深度合作，打造出稳定、可靠、安全的云智慧医疗联合解决方案，让优质医疗服务触手可及，让智能化医疗服务普惠民众。
云智慧医疗联合解决方案采用云计算集中部署基于SaaS模式的医疗IT基础设施服务，集成云HIS、云EMR、云LIS、云PACS、云 健康 体检、供应链云平台、云HRP、掌上办公、云HCRM、云培训等多种成熟的云产品，助力各级医院打造“云上”智慧医院，构建覆盖诊前、诊中、诊后的一体化医疗服务体系，提升医疗管理及服务能力。
针对区域医疗卫生互联互通建设需求，云智慧医疗致力于为区域建设覆盖各级医疗机构的统一云平台，构建双向转诊、会诊、综合支付及教学等医疗卫生一体化管理模式，能够实现区域内医疗卫生信息资源的集中统管、统一调配、按需服务，实现区域互联互通、数据共享，提升基层医疗机构医疗质量与管理水平。
推动医疗全面迈入云端
相对于传统的建设模式，云模式具有统一规划、统一部署、免维护等优势，医疗机构不需要自行建设机房、自行购买硬件服务器、操作系统、数据库等基础设施，即可实现信息系统短期内快速部署，系统配置灵活，扩展方便。
由于采用了先进的云模式，云智慧医疗联合解决方案为医疗插上腾飞的翅膀。京颐 科技 携手腾讯云将面向卫生主管部门、区域医疗、各级医疗机构、医联体、医共体等提供基于云的医疗卫生信息系统，建设无机房、无服务器、无系统、免维护的统一云平台，医疗卫生各应用场景所需的数据收集、存储、传递、处理等都能够在云平台中操作，大幅缩短建设周期及成本。
京颐集团董事长李志博士表示，云计算带我们进入了一个IT的崭新时代，也将一定会改变我们医疗信息化领域的方方面面，京颐 科技 期待在为各级卫健委、医疗机构的支持下，在腾讯公司的技术帮助下，为客户提供创新有益的解决方案，提高效率、提升智能化应用、保障医疗安全。
据悉，京颐 科技 携手腾讯云打造的云智慧医疗联合解决方案目前已在揭西县中医医院上线，以较低的成本和资源投入，推动医院业务系统快速实现云端迁移和部署。这是京颐 科技 携手腾讯云建设的首家云上智慧医院，展现了双方务实的态度及强大的产品落地能力。
未来，京颐 科技 将携手腾讯云凭借新产品的技术深度和覆盖广度加速布局，推动云智慧医疗联合解决方案在政府及各类型医疗机构中广泛应用，促进行业转型升级。
来“中国网”（CIIC_China）官方微信，回复“部位”，告诉你一个减肥小秘诀
⑷ 医疗大数据平台推进医学道德形态重构
医疗大数据平台推进医学道德形态重构
大数据时代的到来使医学呈现出个体化发展趋势，而基因技术的应用又使精准医学凸显。个体化医疗与精准医疗的结合，预示了大数据时代医疗变革的方向：通过数字化人体引发医疗健康革命。
大数据时代，一种潜在的变化正在显现，掌控个人的医疗过程和医疗保健成为变化的核心。医疗大数据平台的运营会随着规模的扩大和效率的提高而关涉总体人类健康、社会公共善、共享的伦理和个人医疗服务方面的改善，从而推进医学道德形态的革命性重构。
首先，通过个体化医学改善总体形态的人类健康。数字化人体和基因组学的重要意义在于：通过大数据技术和基因筛查技术的融合运用，带来医学重心的转移或变化。它提供给人们的医学劝告主要有两条：其一，预防比治疗更重要；其二，医学只有遵循个体化科学才能带来整体人类健康状况的实质性改善。在大数据时代，手机将成为生命线，它使边远地区的人们获得所需要的医疗服务，并通过数据反馈为社区创造一个数字化的网络系统。通过大数据，以患者为中心的医疗可以不受时空限制，在健康培训、在线诊断、预防和灾疫应对等领域一展所长。
其次，通过构建公共健康之善疏解医患紧张。数字化时代医学道德形态重构的重点，是通过个体化科学构建公共善，并由此疏解医患紧张关系。生命伦理学对个体化权利的强调和对总体人口健康的强调之间存在明显断裂。然而，个人自主或自我决定如果没有基于“数字化人体+基因测序”的个体化医学的支持，只能是一种抽象的权利原则。医疗大数据提供给个人的健康或诊疗指南，无论对病人还是对医生，都类似于航海图。这为人们提供了一个从未有过的世界观，它使病人真正成为医学的中心。
再次，通过融合的医学展现开放共享的伦理。随着数字化时代的来临，各国政府都认识到数据开放的重要性，出台了数据开放的法令。医疗大数据将患者作为医疗信息的点连成一片数据之海。因此，一种开放共享的医疗信息技术系统可以通过相关关系的挖掘而预测某些疾病的分布或流行。数据的开放共享将带来一系列融合，进而将快速成熟的数字化、非医学领域的移动设备、云计算和社交网络与蓬勃发展的基因组学、生物传感器和先进成像技术的数字化医学领域合为一体。医学或医疗技术可能因为更偏重预防而体现“上医医未病之病”的理念。
最后，通过开放整合的专家团队提供个体化医疗服务。基于网络平台的医疗技术实践，使得医学团队的诊疗模式成为未来医疗诊治的基本模式。大数据时代的医疗技术实践，为“团队医学”提供了新的形式，医学不再是个体医生的单打独斗，而是基于网域空间的专家团队为患者提供量身定制的个体化医疗服务。以团队形式为个体提供医疗健康服务，建构了真正以患者为中心的医学道德形态。从个体收集到的数据的大批汇总最终将会创建一种良性反馈的伦理性圏层，使健康计划的所有参与者受益，并鼓励愈来愈多的人参与进来。
大数据时代的健康革命，在技术形态上，取决于数字化人体基础上的精准医学模式的建立。无线传感器、大数据与基因组学的结合是其先锋。这种医学道德形态的重构凸显了三大伦理道德难题。
第一，个人隐私及安全问题。在数字化、信息化时代，医疗行业面临保护信息安全和保护个人隐私的双重困扰。安全隐患和隐私风险之一，是员工使用自带移动设备连接医疗系统的IT基础设施所带来的风险，这是恶意软件侵入的最薄弱环节，被称为医疗领域的“自带设备”难题。推行移动化或个体化医疗计划（或健康计划）是许多顶尖级诊所和医院的计划，实施过程必然会面临该难题。除此之外，还面临医疗大数据或精准医学模式自身带来的问题，比如医疗设备或监控器的数据失窃问题等。与此同时，医院利用数据平台收集和分析某患者的敏感信息是否侵犯个人隐私？政府机构和企业对个人健康信息进行收集、监控和分析处理是否符合隐私规则？医疗数据、商业数据、科研数据等应遵循何种收集规则？参与者隐私的保护既是医学研究得以展开的前提，又是一切健康计划得以实施的前提。只有在保护个人隐私与充分利用数据库之间寻求一种平衡，才能应对大数据时代医学生命伦理学的隐私及安全伦理问题。
第二，数据的真实可靠问题。如何防范数据失信或失真是数据共享遭遇的基准层面的伦理挑战。建立在数字化人体基础上的医疗技术实践，其本身就预设了一条不可突破的道德底线。由于人体及其健康状态以数字化的形式被记录、存储和传播，因此形成了与实体人相对应的镜像人或数字人。失信或失真的数据，导致被预设为可信的精准医疗变得不可信。例如，如果有人担心个人健康数据或基因数据对个人职业生涯和未来生活造成不利影响，当有条件采取隐瞒、不提供或提供虚假数据来玩弄数据系统时，这种情况就可能出现，进而导致电子病历和医疗信息系统（HIT）以及个人健康档案（HER）不准确。如何治理或防范数据失信或失真，是数字化时代数据共享面临的一种伦理挑战，它构成大数据时代生命医学伦理学的重大课题。
第三，数字鸿沟或价值鸿沟带来的挑战。数字鸿沟指不同社会群体对于数字化技术或信息技术使用的巨大差异，分为接入、应用、知识、价值四个方面。随着接入问题的逐步解决，应用和知识方面的鸿沟正在缩小，价值鸿沟变得越来越突出。这提示我们必须充分重视数字化健康革命带来的价值观变革。只有缩小价值鸿沟，使人们认识到，个体化医疗和精准医学基础上的个人健康革命，是一种将个体与总体进行融合的医学变革，它展现了数字化时代健康革命的价值核心即以患者为中心的医学道德形态，才能让更多的人参与到医疗大数据平台建设之中。
大数据、基因组学、移动医疗和精准医学的基本原理，是连通最小行动者和最大数据计算之总体，这是现代医疗技术在大数据时代展现的伦理特质。大数据对个人和集体相互关系的重新定位无论对个人还是集体都产生了不可低估的影响——它提供了在一个日益个体化的现代社会，个人与集体密不可分的结合方式，迫使个人重新思考集体性或总体性价值的时代意蕴。当然，这种思考必须以对个人的自由、尊严和权利的维护为前提。与此同时，从群体出发或从整体出发的伦理理念重新获得了应有地位，并与强调关联性思维、整体和谐理念的中国伦理文化构成一种内在契合。而这正是大数据时代生命医学伦理学最引人瞩目的发展方向。