2017医疗大数据

❶ 大数据医疗具体是指什么

医疗大数据是个很宽泛的概念，他有很多详细的分类，包括：电子病历数据，这是患者就医过程中所产生的数据，包括患者基本信息、疾病主诉、检验数据、影像数据、诊断数据、治疗数据等，这类数据一般产生及存储在医疗机构的电子病历中，这也是医疗数据最主要的产生地。电子化的医疗病历方便了病历的存储和传输，但是并未达到进行数据分析的要求。大约80%的医疗数据是自由文本构成的非结构化数据，其中不仅包括大段的文字描述，也包括包含非统一文字的表格字段。通过医学自然语言理解技术，将非结构化医疗数据转化为适合计算机分析的结构化形式是医疗大数据分析的基础。电子病历中所采集的数据是数据量最多、最有价值的医疗数据。通过和临床信息系统的整合，内容涵盖了医院内的方方面面的临床数据集。在电子病历的互通互联上，出于各自的利益性（限制病人转诊），各大电子病历企业也不愿意使数据互通互联。根据美国政府相关报告显示，其电子病历共享比例也仅为30%左右。
检验数据
医院检验机构产生了大量患者的诊断、检测数据，也有大量存在的第三方医学检验中心也在产生数据。检验数据是医疗临床子系统中的一个细分小类，但是可以通过检验数据直接患者的疾病发展和变化。目前临床检验设备得到迅速发展，通过LIS 系统对检验数据进行收集，可以对疾病的早发现早诊断和正确诊断做出贡献。
影像数据
随着数据库技术和计算机通讯技术的发展，数字化影像传输和电子胶片应运而生。医疗影像数据是通过影像成像设备和影像信息化系统产生的，医院影像科和第三方独立影像中心存储了大量的数字化影像数据。医学影像大数据，是由DR、CT、MR 等医学影像设备产生所产生并存储在PACS 系统内的大规模、高增速、多结构、高价值和真实准确的影像数据集合。与检验信息系统（LIS）大数据和电子病历（EMR）等同属于医疗大数据的核心范畴。医学影像数据量非常庞大，影像数据增速快，标准化程度高。影像数据和临床其他数据比较起来，它的标准化、格式化、统一性是最好的，价值开发也最早。
费用数据
医院门诊费用、住院费用、单病种费用、医保费用、检查和化验收入、卫生材料收入、诊疗费用、管理费用率、资产负债率等和经济相关的数据。除了医疗服务的收入费用之外，还包含医院所提供医疗服务的成本数据，包含药品、器械、卫生人员工资等成本数据。在DRGs 按疾病诊断相关组付费模式中，需要详细的成本数据核算。通过大样本量的测算，建立病种标准成本，加强病种成本核算和精细化成本管理。
基因测序数据
基因检测技术通过基因组信息以及相关数据系统，预测罹患多种疾病的可能性。基因测序会产大量的个人遗传基因数据，一次全面的基因测序，产生的个人数据则达到300GB。一家基因测序企业每月产生的数据量可以达到数百TB 甚至1PB。
智能穿戴数据
各种智能可穿戴设备的出现，使得血压、心率、体重、体脂、血糖、心电图等健康体征数据的监测都变成可能，患者的单一体征健康数据以及运动数据快速上传到云端，而且数据的采集频率和分析速度大大提升。除了生命体征之外，还有其他智能设备收集的健康行为数据，比如每天的卡路里摄入量、喝水量、步行数、运动时间、睡眠时间等等。智能穿戴设备虽然在这两年遇冷，用户很难形成粘性，但是并不意味着智能穿戴设备所产生的数据没有意义。提供健康数据和服务，可能是智能穿戴厂商未来的转型之路。健康大数据的收集必须依靠硬件载体，智能穿戴设备还将会遇到自己的第二春。
体检数据
体检数据是体检机构所产生的健康人群的身高、体重、检验和影像等数据。这部分数据来自医院或者第三体检机构，大部分是健康人群的体征数据。随着亚健康人群、慢病患者的增加，越来越多的体检者除了想从体检报告中了解自己的健康状况，还想从体检结果中获得精准的健康风险评估，以及如何进行健康、慢病管理。
移动问诊数据
通过移动设备端或者PC 端连接到互联网医疗机构，产生的轻问诊数据和行为数据。曾经通过互联网问诊企业春雨医生的数据，分析各地医生互联网问诊的活跃度、细分疾病种的问诊行为。通过这些数据的分析，对行业发展、互联网问诊企业的决策有非常重要的帮助。

❷ 企业大数据 一座值得开垦的金矿

企业大数据：一座值得开垦的金矿
虽然尚处起步阶段，但是大数据已经成为多个行业的关注热点之一。如何更好地利用大数据推动自身业务的运营发展，这是众多企业不断探索的问题，而运营商也无法忽视这个未来的大金矿。
一、现阶段大数据业务市场状况
从全球情况来看，2015年全球大数据市场规模达到421亿美元，同比增长了47.7%。以此增速进行推算，到2020年全球大数据市场规模可突破3000亿美元。

今年年初，中国信息通信研究院日前发布的《中国大数据发展调查报告（2017）》称，2016年中国大数据市场规模达168亿元，预计2017年~2020年仍将保持30%以上的增长。调查显示，目前近六成企业已成立数据分析相关部门，超过1/3的企业已经应用大数据。

对比起全球情况，中国大数据产业市场规模增长还有很大空间。
二、运营商进入大数据行业思路
运营商先天优势在于掌控大量数据中心资源，这是大数据业务硬件基础。更为重要的是运营商本身拥有大量存量客户资源和客户数据，这也是对运营商进入大数据领域一个有力支撑。
运营商大数据业务运营SWOT分析：

三、运营商大数据业务发展对比
联通
今年9月，中国联通集团正式宣布，旗下的联通大数据有限公司正式揭牌成立。中国联通大数据公司定位于中国联通大数据对外集中运营主体和大数据产业拓展的合资合作平台，全面对接国家和联通集团战略，建立专业化子公司开展市场化运营、建设全产业链大数据生态体系。此外，联通还与中国银联签署了战略合作协议，双方决定建立长期稳定的合作伙伴关系，在数据资源、技术能力、产品研发等方面开展全方位合作。
电信
早在2015年末，中国电信正式发布“天翼大数据”品牌，并推出精准营销、风险防控、区域洞察、咨询报告四类数据型产品和大数据云平台型产品，重点服务于旅游、金融、广告、政府、交通等行业。这是中国电信运营商第一个大数据业务品牌。
电信所有的大数据都是在云平台和云设施之上搭建的，2016年下半年其大数据平台建设从原来的5个省份现在扩展到31个省份，数据种类从开始的几类主要数据扩展到十几类，实效性从原来以“周”为单位到现在以“小时”为单位的延时。
移动
在今年“世界电信和信息化社会日大会”上，中国移动通信集团公司副总经理李正茂表示：“发展大数据不是简单的建设IDC，根本目的还是为了应用。大数据正在从炒作的高峰期间，向产业落地期间发展。”
中国移动在六个方面积极推动大数据加速行业转型升级：
第一，社会管理方面，大数据能够分析用户的消费、行为、位置等特征，为政府的社会治理提供保障。
第二，信息传播，大数据成为公众获取信息的新渠道。移动借助位置漫游等信息向公众发布舆情热点的分析。
第三，医疗健康领域，中国移动构建健康云平台在贵州省取得成效，一方面帮助贵州卫集委收集信息，同时为政府医疗机构提供智能审核，疾病救助，疾病预防等多方面的投入，由此为当地医疗支出节省了上千万。
第四，行业创新能力提升，大数据为传统行业打造新的能力。中国移动的大数据提供人流预警，公交道路等服务，为公交管理，游客出行提供参考。
第五，社会热点问题处理支撑，中国移动基于大数据构建了反电信网络，欺诈防范技术体系，在2-10分钟可以识别市场号码源，来源区域，受害人集中地等等，同时实现最高风险等级，影响最大的境外异常号码源时时阻断。
第六，商业模式创新，2016年，中国移动和招商局集团共同投资设立试金石信用服务有限公司。
虽然三大运营商大数据布局在实际操作上不同，但是都明确把大数据从布局转移到实行阶段，软硬件资源日益充实，并且已经打造出不少成功案例。
四、布局大数据市场
1、攻坚热点领域
智慧城市
早在2014年，国家发改委会同中央网信办等25部委组成部际协调工作组，启动新型智慧城市试点建设。2016年又明确提出了到2018年要分级分类建设100个新型示范性智慧城市。
智慧城市建设带来的商机是巨大的，而大数据恰好在智慧城市建设中扮演重要角色。可以通过方方面面渗入，如城市交通、环境监测、治安管理、卫生管理等城市生活每个细节。
当然，运营商也已经对此领域有所行动。比如联通大数据公司就有“智慧足迹”这一项业务，提供“以人为本”的群体位置数据应用，为政府和企业提供包括人流量、人流密度、职住空间分布、人口时空分布在内的位置大数据解决方案。
政务
通过IDC、ICT基础通信业务为政府部门提供服务，并且为其构建大数据管理分析平台。政府运作效率和质量提升已经不仅仅拘泥于办理业务、处理业务时间上的减少，还要做到未雨绸缪，及时发现潜在民生问题，做好预防工作：比如通过婚姻注册数据挖掘离婚率提升因素，从而地提出针对性措施；又比如通过分析注册中小企业税务数据，了解税收政策对中小企业是否存在推进作用，有消极作用的加以改善。
医疗健康
根据前瞻产业研究院发布的《2017-2022年全球健康医疗大数据行业发展前景预测与投资战略规划分析报告》显示，2010年我国健康医疗大数据行业市场规模约为171亿元，到2015年快速增长到466亿元，年均复合增长率超过20%。

可穿戴设备的出现使到个人身体健康实时监测得到硬件上的支持，而把这个契机转化为商机就需要完善的大数据平台作为支撑。

而通信运营商涉足该领域也有很合适的切入口，比如利用存量家庭业务客户进行拓展，享受低资费优惠。
2、提升自身运营
运营商本身拥有着庞大数据资源，也应该很好地利用这些资源为自身运营提供动力。
一方面通过用户数据库做好用户维系和质量提升，对高危潜在离网用户及早挽留，而对潜在需求用户可以推广增值业务提升客户价值。
另一方面，涉及到数据交互（即通过与其他行业合作，双方数据通过融合整理）发掘出的更多有价值结论，能支撑双方运营，互惠互利。
五、大数据业务营销
通过IDC建设、产品建设打好基础，进行业务营销就是下一步关键所在。进行大数据业务营销通过标杆打造+体验营销是较好选择。
由于业务属于起步阶段，要吸引到市场目光和认同，必须树立业务标杆。在硬件和软件有实力的前提下，运营商要打造专业化团队，树立行业顶尖形象，以优质案例打动潜在客户。
营销人员在向潜在客户推销产品时，需要结合案例详解、实体考察、便携式设备体验进行销售活动，以具体化、专业化的方式打动客户。
需要明确的是，大数据硬件软件方面做好后，剩下最关键一环就是在营销上打动客户。
如何打动客户？用事实说话
例如2013年，微软纽约研究院的经济学家大卫?罗斯柴尔德（David Rothschild）利用大数据成功预测24个奥斯卡奖项中的19个，成为人们津津乐道的话题。2014年罗斯柴尔德再次成功预测第86届奥斯卡金像奖颁奖典礼24个奖项中的21个。在这种震撼的事实面前，展现大数据的实用性和威力。
六、展望
由于各行各业各领域都能够有机会用到大数据分析为管理运营作支撑，所以大数据业务发展潜力毋容置疑。现在对运营商而言，做好硬件软件基础的同时，更要深挖市场需求，打造营收模式标杆，以点带面地实现业务快速增长。

❸ 2017年大数据产业将迎来哪些变化

2017年大数据的变化个人认为将主要在如下几点：
1.物联网(IoT)
公司日益期望从所有数据中获得价值，企业组织将不得不改动技术，以便与物联网数据衔接起来。这在数据治理、标准、健康保障、安全和供应链等方面带来了无数新的挑战和机遇。
物联网和大数据是同一枚硬币的两面，数十亿与互联网连接的“物件”将生产大量数据。然而，这本身不会引发另一场工业革命，不会改变日常的数字化生活，也不会提供拯救地球的预警系统。来自设备外部的数据才是企业让自己与众不同的方面，结合上下文来捕获和分析这种类型的数据为公司带来了新的发展前途。
2.深度学习
深度学习主要用于从大量未标记/未监督的数据当中学习，因而对于从大数据中提取有意义的标识和模式颇具吸引力。比如说，它可以用来识别许多不同类型的数据，比如视频中的形状、颜色和对象，或者甚至是图像中的猫，就像谷歌研制的一个神经网络在2012年所做的那样。因此，企业可能会看到更多的注意力投向半监督式或未监督式训练算法来处理进入的大量数据。
3.内存中分析
不像常规的商业智能(BI)软件对存储在服务器硬盘上的数据运行查询，内存中技术查询的是载入到内存中的信息，这可以通过减少或甚至消除磁盘输入/输出瓶颈来显著提升分析性能。就大数据而言，正是由于TB级系统和大规模并行处理，让内存中分析技术更令人关注。
在现阶段，大数据分析的核心其实是发现数据。要是没有毫秒级延迟，面对数百万次/数十亿次的迭代，运行迭代以查找数据点之间的关联就不会成为现实。在内存中处理的速度比磁盘上处理要快三个数量级。
4.云计算
混合云和公共云服务越来越受欢迎。大数据成功的关键是在弹性基础设施上运行(Hadoop)平台。我们会看到数据存储和分析趋于融合，带来新的更智能的存储系统，它们将经过优化，用于存储、管理和排序庞大的PB级数据集。展望未来，我们可以预计会看到基于云的大数据生态系统将继续迎来发展，不仅仅局限于“早期采用者”。
5.Apache Spark
Apache Spark在点亮大数据。流行的Apache Spark项目提供了Spark Streaming技术，通过主要采用一种在内存中微批量处理的方法，近实时地处理数据流。它已从Hadoop生态系统的一部分，变成许多企业青睐的一种大数据平台。

❹ 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；

❺ 医疗行业智慧小屋200平如何规划

智慧医疗行业发展潜力巨大 互联网+助力医疗发展

智能医疗是通过打造健康档案区域医疗信息平台，利用最先进的物联网技术，实现患者与医务人员、医疗机构、医疗设备之间的互动，逐步达到信息化。在不久的将来医疗行业将融入更多人工智慧、传感技术等高科技，使医疗服务走向真正意义的智能化，推动医疗事业的繁荣发展。在中国新医改的大背景下，智能医疗正在走进寻常百姓的生活。

中国医疗信息化市场规模分析

近年来，我国医疗信息化产业呈现高速增长，年增长率在15%以上。据前瞻产业研究院发布的《中国智慧医疗建设行业市场前瞻与投资规划分析报告》最新统计数据显示，2017年我国医疗信息化市场规模约为457亿元。预计到2018年中国医疗信息化市场规模将达到550亿元，未来五年(2018-2022)年均复合增长率约为20.05%，2022年将达到1142亿元。

2017-2022年中国医疗信息化市场规模情况及预测

数据来源：公开资料、前瞻产业研究院整理

智慧医疗建设发展前景分析

1、医疗信息化快速发展

推动医疗信息化快速发展的主要动力来自两个方面。一方面从医疗管理理念来说，随着多项医卫信息化政策的出台以及医改的不断深入，老龄化问题得到关注，促使医疗管理的理念从以“治疗为中心”到以“病人为中心”过渡，因而对医疗信息化建设提出了更高的要求;另一方面，云计算、大数据、移动互联网等新的信息技术的不断发展也在客观上为其深化应用提供了更丰富的可能性。

2、互联网+智慧医疗

从应用领域看，智慧医疗首先带动了从医疗向外辐射的医疗产业链，如健康体检为主的预防性健康管理、以老年群体养老养护为主的医养结合和居家社区慢病康复管理等，把医疗健康服务的理念从认知提升到实践，促进了整合的医疗保健体系建立。

“互联网+智慧医疗”通过借助大数据、物联网技术，以及微信、APP、挂号网等载体，形成医疗智慧化建设，打破“信息孤岛”，助推实现医疗信息、资源共享。

未来，利用“互联网+”技术，深入开展AI人工智能研究和大数据应用，实现部分疾病在家就诊，推进可穿戴设备全时段监控和管理患者医疗服务，大力发展多学科协作诊疗平台应用，落实“医药分家”，进一步提高医疗服务质量，“互联网+医疗”还有广阔上升空间。

3、人工智能 + 大数据，助力医疗发展

未来大数据分析，如何在疾病监控、辅助决策、健康管理等领域发挥重要的作用，是目前智慧医疗关注的重点。日前，网络医疗大脑的发布，已逐步实现了这一技术。网络医疗大脑，是采取模拟医生问诊的形式，通过与用户多次交流，分析症状，结合海量的医疗数据及专业文献数据，提出问题，反复验证，并最终给出诊断建议的智能医疗产品。

❻ 医疗大数据怎么玩

医疗大数据的应用可以帮助生物医药行业提高生产力、改进护理水平、增强内竞争力、加容快增长和创新。因此在近年来受到国家的发力扶持，一系列政策纷纷出台。
如2016年6月24日，国务院办公厅印发《关于促进和规范医疗大数据应用发展的指导意见》，提出到2017年底，基本形成跨部门健康医疗数据资源共享共用格局；到2020年，建成国家医疗卫生信息分级开放应用平台。

❼ 互联网+医疗健康产业链分析报告

前瞻产业研究院《中国互联网+医疗行业市场前瞻与商业模式创新分析报告》

第1章：互联网对中国医疗行业的重构与推动

1.1 互联网+医疗主要解决的五大问题

1.1.1 改变健康管理方式

1.1.2 重构就医方式

1.1.3 重构医患生态

（1）从院方角度

（2）从患者角度

（3）互联网的介入让医患关系重新得到改善

1.1.4 改善就医体验

（1）预约挂号环节

（2）缴费环节

1.1.5 重构购药方式

1.2 互联网+医疗市场的四大驱动力

1.2.1 国家政策利好

（1）公立医院改革步伐加快

（2）医生多点执业简化注册审批程序

（3）药品网络销售监督管理办法将出台

（4）促进互联网医疗发展的意见正式出台

1.2.2 相关技术推动

（1）传感器技术日臻成熟

（2）无线技术日益成熟

（3）互联网普及率上升

（4）机器深度学习技术发展

（5）大数据和云技术迅速发展

1.2.3 发展环境变化

（1）人口老龄化日趋严重

（2）慢性病人群进一步增加

（3）人们健康管理意识增强

（4）环境恶化致就医需求增大

1.2.4 市场资本推动

（1）PE/VC融资

（2）互联网巨头

第2章：中国互联网+医疗行业商业模式创新

2.1 中国互联网+医疗商业模式切入点及创新

2.1.1 从患者角度切入

（1）健康管理环节上

（2）自诊和自我用药环节上

（3）在院内导诊、候诊和诊断环节上

（4）医院外康复环节上

2.1.2 从医生角度切入

（1）帮助其连接更多患者

（2）帮助其提高行医水平

2.1.3 从医院角度切入

（1）建设医院信息系统

（2）打造网上医院

（3）辅助营销

（4）提高服务患者的水平

2.2 中外互联网+医疗盈利模式及收费方向探索

2.2.1 向药企收费的盈利模式

（1）向药企收费的盈利模式概况

（2）国外案例分析借鉴：Epocrates基于软件的双向服务

2.2.2 向险企收费的盈利模式

（1）向险企收费的盈利模式概况

（2）国外案例分析借鉴：WellDoc：向保险公司与企业雇主收费

2.2.3 向患者收费的可行方式

（1）向患者收费的可行方式分析

（2）国外案例分析借鉴：Zeo

2.2.4 向医生收费的可行性分析

（1）向医生收费的可行性概述

（2）国外案例分析借鉴：Zocdoc医患对接平台

1）公司简介

2）提供的主要服务

3）盈利模式

4）经验总结

2.2.5 向医院收费的盈利模式

（1）向医院收费的盈利模式概述

（2）国外案例分析借鉴：Vocera医院移动通讯，向医院收费

1）主要产品功能

2）Vocera的盈利模式

3）经验和教训总结

2.3 中国互联网+医疗模式最具潜力的四大方向

2.3.1 在线问诊

2.3.2 医药电商

2.3.3 预约挂号

2.3.4 智能设备

第3章：互联网+医疗行业投资并购分析

3.1 美国互联网+医疗领域投资并购分析

3.1.1 投资情况

（1）投资概况

（2）细分领域

（3）重点案例

3.1.2 并购情况

3.1.3 IPO情况

3.2 中国互联网+医疗领域投资分析

3.2.1 投资概况

3.2.2 融资阶段

3.2.3 细分领域

3.2.4 地域分布

3.3 中国互联网+医疗企业IPO分析

3.3.1 企业数量

3.3.2 募资金额

3.3.3 重点案例

3.4 中国互联网+医疗领域并购分析

3.4.1 数量金额

3.4.2 重点案例

第4章：重点企业互联网+医疗业务布局

4.1 国际科技巨头的互联网+医疗布局

4.1.1 IBM互联网医疗布局总览

4.1.2 苹果互联网医疗布局总览

4.1.3 微软互联网医疗布局总览

（1）NExT计划：医疗创新领导者

（2）微软在医疗领域投资情况

（3）微软整个互联网医疗布局

4.2 国内互联网巨头的互联网+医疗布局

4.2.1 网络

（1）互联网+医疗布局优势

（2）互联网+医疗布局举措

（3）互联网+医疗布局特点

4.2.2 阿里巴巴

（1）互联网+医疗布局优势

（2）互联网+医疗布局举措

（3）互联网+医疗布局特点

4.2.3 腾讯

（1）互联网+医疗布局优势

（2）互联网+医疗布局举措

（3）互联网+医疗布局特点

4.2.4 京东

（1）互联网+医疗布局优势

（2）互联网+医疗布局举措

（3）互联网+医疗布局特点

4.2.5 小米

（1）互联网+医疗布局优势

（2）互联网+医疗布局举措

（3）互联网+医疗布局特点

4.3 其它上市公司互联网+医疗布局

4.3.1 卫宁健康

（1）互联网+医疗布局优势

（2）互联网+医疗布局举措

（3）互联网+医疗发展规划

4.3.2 万达信息

（1）互联网+医疗布局优势

（2）互联网+医疗布局举措

（3）互联网+医疗发展规划

4.3.3 运盛医疗

（1）互联网+医疗布局优势

（2）互联网+医疗布局举措

（3）互联网+医疗发展规划

第5章：中国互联网+医疗发展前景与潜在趋势

5.1 中国互联网+医疗面临的三大机遇

5.1.1 需求激增与有限供给创造行业发展大机遇

（1）让更多患者获得医疗

（2）让患者获得合适的医疗

（3）极致化患者体验

5.1.2 资本回归互联网医疗行业创造良好机遇

5.1.3 中外环境差异创造绝佳创新机遇

（1）政策差异

（2）医院差异

（3）医生差异

5.2 中国互联网+医疗面临的三大挑战

5.2.1 配套政策

5.2.2 标准缺失

5.2.3 信息孤岛现象

5.3 中国互联网+医疗最值得关注的四个潜在趋势

5.3.1 行业潜在趋势——从纷杂到整合，行业集中度迅速提升

5.3.2 商业模式潜在趋势——从独立环节到重度服务闭环

（1）从患者角度看

（2）从医疗平台角度看

5.3.3 资本介入趋势——早期投资热度下降，中后期更易受到青睐，产业资本活跃

5.3.4 政策发展趋势——开放仍是主旋律

（1）在多点执业方面

（2）在处方药方面

（3）在民营医院方面

（4）在商业保险方面

图表目录

图表1：2011-2018年中国网民规模及互联网普及率情况（单位：亿人，%）

图表2：204-2017年中国医疗大数据应用市场规模统计（单位：亿元）

图表3：2011-2017年中国65岁及以上人口数量及占总人口比重情况（单位：亿人，%）

图表4：2011-2018年中国医疗健康行业VC/PE融资情况（单位：亿美元，起）

图表5：2018年Q2国内医疗健康行业VC/PE融资重点案例（单位：亿美元）

图表6：BAT巨头互联网医疗布局分析

图表7：大姨吗盈利模式分析

图表8：咕咚运动网上商城

图表9：好大夫在线发展历程

图表10：好大夫患者端为患者提供便利的就诊前服务

图表11：春雨医生商业模式

图表12：支付宝未来医院移动就医平台

图表13：中卫莱康商业模式解构

图表14：丁香园商业模式解构

图表15：杏树林商业模式解构

图表16：互联网+医疗模式最具潜力的四大方向

图表17：2011-2017年美国数字医疗领域融资情况（单位：亿美元，笔）

图表18：2017年美国数字医疗细分领域融资情况（单位：亿美元，笔）

图表19：2017年美国数字医疗领域投融资交易重点案例（单位：亿美元）

图表20：2014-2017年美国数字医疗领域并购情况（单位：笔）

图表21：2012-2017年中国互联网医疗领域投资情况（单位：起）

图表22：2017年中国互联网医疗行业融资阶段结构（单位：起，%）

图表23：2017年中国互联网医疗行业融资细分领域（单位：起）

图表24：2017年中国互联网医疗行业融资地域分布（单位：起）

图表25：2011-2018年中国医疗健康企业IPO数量（单位：家）

图表26：2011-2018年中国医疗健康产业IPO募资金额（单位：亿美元）

图表27：2017年中国医疗健康产业IPO募资金额（单位：亿美元）

图表28：2011-2017年中国医疗健康行业并购情况（单位：百万美元，起）

图表29：2017年中国医疗健康行业重点并购案例（单位：百万美元，%）

图表30：2018年上半年中国医疗健康行业重点并购案例（单位：百万美元，%）

图表31：IBM20世纪的重要医疗举措

图表32：IBM近年医疗健康产业布局情况

图表33：苹果公司互联网医疗产业布局情况

图表34：微软中国创业孵化园入选的医疗类企业

图表35：微软近年来医疗行业投资情况（单位：美元）

图表36：微软互联网医疗行业布局情况

图表37：网络互联网医疗布局情况

图表38：阿里“自有”医疗布局

图表39：阿里“投资”医疗布局

图表40：腾讯“自有”医疗布局

图表41：腾讯“投资”医疗布局

图表42：京东互联网医疗布局情况

图表43：京东互联网医疗投资布局

图表44：小米互联网医疗布局情况

图表45：卫宁健康创新“4+1”战略

图表46：卫宁健康生态与“4+1”布局

图表47：万达信息互联网医疗布局情况

图表48：运盛医疗互联网医疗布局情况

图表49：互联网医疗的创新机遇

图表50：中国互联网+医疗面临的挑战

❽ 2017两会上，科技大佬都说了什么

“两会”已经成了街头巷尾的热点话题，各行各业的相关内容纷纷抢占各大新闻版面头条。其中除了企业减负、环境治理、农业发展、食药安全等时政话题外，以李彦宏、马化腾、邓中翰、郭广昌为首的一系列互联网大咖与科技企业董事长们都不约而同地提及了“人工智能”这一概念，从民生、医疗、大数据、芯片研发等不同领域阐述了人工智能技术对于我国技术改造与产业升级中发挥的重要作用。据统计，今年来参加两会的大佬们身价总值已达8000亿人民币，作为当下市场经济的开拓者和引领人，他们关注的问题往往是于社会尖锐而关于民生的。

李彦宏

除此之外，虽然今年并未参与两会，但刘强东仍然隔空喊话，表示希望国家出台更多扶持和鼓励政策，以推动大数据、人工智能等科技创新应用于商业领域。除此之外，刘强东还呼吁人大代表重视中国电商从业人员的社保问题。

1.推动大数据、人工智能等科技创新应用于商业领域；

2.推动中国电商从业人员的社保问题。

❾ 大数据技术发展之下 医疗行业现状如何

【导读】大数据技术的使用最早是应用于互联网公司，随着社会的发展，大数据技术也已经应用到了医疗行业，虽然大数据都是孤立的数据，不能大规模应用，但是在医疗行业，我们能够通过大数据技术，进行患者的信息收集，建立详细就医档案，更好地帮助医生进行病情诊断，那么大数据技术发展之下，医疗行业现状如何呢?接下来就一起看看吧。

1、除了互联网公司是大数据的早期采用者之外，医疗保健行业也是最早推动大数据分析的传统行业之一。医疗行业有大量的病例、病理报告、治疗计划、药物报告等。如果这些大数据能够被整理和应用，将会对医生和病人有很大的帮助。我们所面临的细菌、病毒和肿瘤细胞的数量和类型都在进化。在疾病的发现和诊断中，疾病的诊断和治疗是最困难的。

2、未来，借助大数据平台，我们可以收集不同的病例和治疗方案，以及患者的基本特征，建立基于疾病特征的数据库。如果未来的基因技术成熟，可以根据患者的基因序列特征进行分类，建立医疗行业的患者分类数据库。在对患者进行诊断时，医生可以查阅患者的疾病特征、实验室报告和检测报告，查阅疾病数据库，帮助患者进行快速诊断，明确疾病定位。

3、大数据在医疗行业的应用一直在进行，但大数据尚未开放。这是孤立的数据，没有办法放大。未来，这些大数据应该统一收集，整合成统一的大数据平台，造福人类健康。政府和卫生保健是这一趋势的重要推动因素。

关于大数据技术发展之下医疗行业现状，就和大家分享到这里了，未来，大数据技术必将造福于社会，为了我们提供更多的可能性。