中国健康医疗大数据白皮书.docx

中国健康医疗大数据白皮书.docx

《中国健康医疗大数据白皮书.docx》由会员分享，可在线阅读，更多相关《中国健康医疗大数据白皮书.docx（12页珍藏版）》请在冰豆网上搜索。

中国健康医疗大数据白皮书

中国健康医疗大数据白皮书

2019年，健康医疗大数据产业继续保持稳步增长，随着技术逐步成熟，其应用场景日益丰富，产业生态日渐完善。

随着大数据+人工智能+物联网等新技术的融合，健康医疗大数据的市场关注度将持续保持高位，政府、医疗机构和商业保险等将成为健康医疗付费的重要主体，为此将带动一批优秀的大数据企业成长，带动新一轮的产业增长。

中国健康医疗大数据宏观环境分析

随着新兴技术的日益成熟、海量数据的管理、分析及应用，以及智能化的快速发展，大健康产业正在面临巨大改变。

在大数据技术的应用下，传统的健康医疗正在以新的形态焕发生机，健康管理、基因测序、智能养老等全生命周期环节都有大数据技术的落地和应用，并发生着革命性的改变。

健康医疗大数据分类

医疗健康大数据按照获取来源可以分为医院医疗大数据、区域卫生服务平台医疗健康大数据、疾病监测大数据、自我量化大数据、网络大数据和生物大数据6类。

医院医疗大数据：

产生于医院常规临床诊治、科研和管理过程，包括各种门急诊记录、住院记录、影像记录、实验室记录、用药记录、手术记录、随访记录和医保数据等。

区域卫生服务平台大数据：

通过医疗健康服务平台汇集整合区域内很多家医院和相关医疗机构的医疗健康数据，致使数据量大幅度增加。

疾病监测大数据：

来自于专门设计的基于大量人群的医学研究或疾病监测。

包括各种全国性抽样调查和疾病监测数据。

自我量化大数据：

基于移动物联网的个人身体体征和活动的自我量化数据是一种新型的医疗健康大数据。

包含了血压、心跳、血糖、呼吸、睡眠、体育锻炼等信息。

网络大数据大数据：

指的是互联网上与医学相关的各种数据。

网络大数据产生于社交互联网关于疾病、健康或寻医的话题、互联网上购药行为、健康网站访问行为等。

生物信息大数据大数据：

主要是关于生物标本和基因测序的信息，直接关系到临床的个性化诊疗及精准医疗。

国际环境

美国是最早意识到要开放数据的国家，并于2010年通过颁布总统令等措施推动政府数据公开，开始了包括医疗健康行业的大数据建设。

此外，美国大数据巨头正在积极展开医疗健康行业大数据布局。

英国政府向医疗行业投入大量资金研发高新科技，英国国民医疗服务系统NHS被誉为20世纪英国最伟大的成就，这一系统涵盖了庞大而完备的英国医疗数据，包括全面的病人的健康记录、疾病数据等信息。

英国使用医疗健康大数据旗舰平台集中了最为详尽的全英国家庭医生和医院记录的病例以及社会服务信息。

英国通过将医疗数据资源进行统一归口、共享、分析，探索了更好地认识病患、研发药物和治疗方式的途径。

日本政府要求全国的医疗机构在2014年年末之前原则上必须采用电子化方式，并计划建立诊疗保健系统、个人健康信息登记系统，应用AI进行医疗诊断支援、支援护理的标准化等。

日本政府还提出应用ICT、AI推进医疗、护理改革的应用路线图。

2018年将修订诊疗费方案，对使用AI进行诊疗给予一定程度的激励。

在2020年实现全新的健康医疗体系。

国内环境

国家政策推进健康医疗大数据应用建设，促使健康医疗大数据产业正在加速形成。

在国家政策积极进行战略布局的同时，地方政策紧跟国家步伐，持续推进健康医疗大数据采集、融合共享、应用。

从政策所在省份来看，广东省出台的健康医疗大数据相关政策最多，北京市和贵州省次之。

市场环境

随着社会上老龄化进程加快、城市人口增长和生活节奏加快，处于亚健康状态人群数量不断增加，各种常见病、慢性病使得医疗需求急速上涨。

在医院内部存在过度医疗的问题，而在区域间则存在医疗资源分配不均的问题，对于这些问题，则急需新技术手段通过医保部门、医疗监管部门，对不合理的成分进行管控，并通过市场，重新对医疗资源进行再分配。

目前医疗保险支付压力大，控制医疗费用不合理增长，杜绝医疗保障资源的浪费成为医改的难点;而在基本医疗保险支付不足的现状下，商业医疗保险并没有很好地补足。

国内在医疗信息化建设过程中累积了大量医疗数据，但也形成了医疗数据孤岛，从目前看，未来数据融合管理已经成为趋势。

大数据相关技术发展，使得数据采集更加便利，数据量更为丰富，并使得数据存储、分析和多样化应用成为医疗行业发展新动力。

医疗大数据将为政府在医改决策、医疗资源配置、健全公共卫生体系等方面提供科学依据，医疗+大数据有望成为解决医改问题的最佳途径。

技术环境

健康医疗大数据应用的顺利落地，离不开云计算、物联网、人工智能、区块链、本体建模、机器学习和信息安全等一批新兴技术的支撑。

本体建模技術。

该技术是共享概念模型的、明确的、形式化的规范说明，具有强大的知识表示和推理能力，主要用于异构信息源之间的交互，辅助组织中人与人的沟通等。

健康医疗大数据跨区域、跨机构的数据采集、数据交换、信息处理和分析需求，需要相应的医疗健康信息的本体。

多源异构数据整合。

健康医疗大数据应用系统需要从不同地点、不同系统、不同标准的数据源进行数据采集、加工和处理，应用大数据通用技术，促进异构信息的融合。

区块链。

主要应用于个人医疗记录的保存，构建在区块链上的电子健康病历;提供了一种全新的数据共享方式，提高数据管理效率;提供防伪验证和药品追踪。

机器学习。

一种多领域交叉学科技术，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识和技能，重组现有的知识结构，改善性能。

隐私数据匿名化。

在健康医疗相关领域，患者相关信息、医者相关信息、医疗机构诊疗方案信息属于隐私，在非授权情况下不可以被其他使用者识别出来。

匿名化技术采用静态、个性化和面向应用等策略，对相关数据开展加密处理。

资本环境

中国健康医疗大数据投资市场从2016年的非理性向理性回归，投资呈现零散化、碎片化的特点，2017年的投资数量有较大上幅，但投资规模和单笔投资强度都下降明显。

从2017年的投资阶段分布来看，中国医疗健康大数据投资阶段主要集中在Pre-A轮及以前。

而在2017年，中国健康医疗大数据的融资阶段在天使轮阶段的事件数量增加较为明显，而A、B轮投资数量减少，因此也间接导致2017年的投资数量稳中有增，但是投资的整体市场规模下降明显，更偏前期的初创型公司和投资需求较低的中小型企业成为资本追逐热点。

从2017年健康医疗大数据投资市场获投企业所在城市来看，普遍集中在北京，其次为上海、深圳、杭州等地。

从区域特点来看，北京普遍是中小型企业，单笔投资强度较低，且投资领域较为分散，类型较多;上海投资数量较北京少很多，但是单笔投资强度较大，因此在2017年的投资规模高于北京。

中国健康医疗大数据产业生态分析

2019年，健康醫疗大数据产业继续保持稳步增长，随着技术逐步成熟，其应用场景日益丰富，产业生态日渐完善。

随着大数据+人工智能+物联网等新技术的融合，健康医疗大数据的市场关注度将持续保持高位，政府、医疗机构和商业保险等将成为健康医疗付费的重要主体，为此将带动一批优秀的大数据企业成长，带动新一轮的产业增长。

产业分析

医疗大数据产业是推动智慧医疗发展的核心力量。

智慧医疗已成为未来重要的发展趋势，医疗大数据产业是推进智慧医疗产业发展的核心要素。

当前我国智慧医疗与医疗大数据数据存在标准不统一、归属权不明确、数据共享困难、缺乏有效运营机制、产业规划和体系不健全等问题，建立统一医疗行业数据标准、构建数据共享新模式、强化医药卫生体制改革、优化产业运营机制将是促进医疗大数据产业发展的有力措施。

医疗数据来源众多，在大数据产业中占据极其重要的地位。

医疗大数据在大数据中处于极其重要的地位，一方面，人类健康意识的觉醒和加深使得医疗健康的需求层次不断提升，刺激大数据技术在医疗领域的深度应用。

另一方面，移动/互联网医疗、自动化分析检测仪、可穿戴设备的普及，使得患者、医生、企业、政府各方都成了数据的直接创造者，每天产生海量的医疗数据，这为医疗大数据的发展提供了重要基础。

兼具大数据与医疗双重属性，特征明显。

医疗大数据不仅具有大数据行业数据体量大、增长与处理速度快、数据结构多样及价值密度低但应用价值高的共性特征，又具有长期保存性、时空性、语义性和隐私性等特征。

长期保存性是指医疗数据多是针对个体患者数据系统的长期性记录存储;时空性是指医疗大数据受时间和地域影响造成的差异较大;语义性是指医疗大数据多是对病情的记录性语句，并非只是简单的数字或符号;隐私性是指医疗大数据需要注意对患者个人信息的保密。

医疗大数据应用场景众多。

医疗大数据使用主体、应用的场景众多。

具体的应用主体包括：

亚健康、健康群体、患者、医生、医疗机构、政府、药企、保险公司、医药经销商等。

医疗大数据根据不同使用主体的差异化需求被广泛应用到行业治理、临床科研、公共卫生、管理决策、惠民服务、产业发展等具体领域。

产业规模

健康医疗大数据是重要的基础性战略资源之一，其应用将推动中国大健康产业发生革命性变化。

健康医疗大数据的发展不仅有利于优化我国医疗产业的发展，而且也将对我国经济、社会、民生都产生重大影响。

2017年，中国健康医疗大数据产业规模持续稳步增长，增长至144.1亿元，增长率为36.8%，产业规模占大数据整体产业规模的3.8%。

未来三年，中国健康医疗大数据产业会保持飞速发展态势，随着人工智能、云计算、区块链等新技术逐步广泛应用到医疗领域，大数据将作为其核心在市场发展中起到关键性作用，预计2020年的整体规模将达到380.3亿元，产业规模将占大数据整体产业规模的4.6%。

产业链。

健康医疗大数据被划为三层次：

第一层是基础层，包括数据采集基础设施建设和数据采集端口，其中数据采集基础设施建设的市场主要是做传统医疗信息化的企业;第二层是数据层，目前市场上主要是做健康医疗大数据平台的企业;第三层是应用层，主要是面向各种应用场景的健康医疗大数据服务企业。

健康医疗大数据典型应用场景分析

健康医疗大数据作为大数据细分行业应用领域之一，其最主要的价值在于进一步的应用。

基于各类应用场景的健康医疗大数据的应用对传统医疗产生了革命性的变革。

目前市场上较为成熟的辅助诊疗、临床决策支持、医疗物联网、健康管理等都在逐渐改变着人们的生活。

辅助诊疗大数据

辅助诊疗大数据在海量临床疾病数据累计的基础上，借助大数据分析挖掘技术，将同种疾病的不同患者数据按照患者体征、心里因素、经济因素、区域因素、社会因素等多维度进行划分，向不同群组提供差异化的疾病检验方案、治疗方案等。

当特定病种的辅助诊疗系统建设完成后，有新的患者就诊时，医生可以依据该患者的特征，通过辅助诊疗系统完成个性化的诊疗方案筛选。

在辅助诊疗大数据领域中，IBM的Watson是目前最成熟的案例。

2012年Watson通过了美国职业医师资格考试，并在美国多家医院提供辅助诊疗的服务。

Watson的辅助诊断以癌症领域为主，包括乳腺癌、肺癌、直肠癌、宫颈癌、卵巢癌和胃癌等，也覆盖了糖尿病、心脏病等重大疾病。

医疗影像识别与影像数据分析：

目前国内医疗资源短缺，放射科医生数量存在缺口，但是与之对应的是医疗影像数据保持着高速增长，再者，医疗影像识别存在较强的主观性，受医生经验和能力的差异导致结果会存在较大差异，医生的疲劳或经验不足可能引起误诊的可能。

基于大数据技术下的医疗影像识别与影像数据分析，有望提升信息复用率、识别效率和准确率。

在医疗影像的智能识别中，通过对医疗影像进行预处理、图像分割、特征提取、匹配判断等处理，而后结合后台数据库中的历史数据，针对医疗影像进行识别并给出判断。

临床决策大数据

临床诊疗：

精准与效率。

大数据模型预测疾病有利于实现依靠历史医疗数据进行预测的精度，提高诊疗的效率。

医疗数据积累包括患者体征数据、诊疗数据、行为数据、科研数据等，通过大数据分析，而做出临床决策支持。

通过大数据分析可以更快、全面地存储和学习医疗相关数据，基于建立的医疗数据库上的的健康医疗大数据模型得到的疾病早预防和诊疗方案，其效率和精度都要更上一个台阶。

能够实现疾病的提前预防与及时干预。

临床用药：

精准与安全。

在技术发展的当今，以生物医药和基因诊断为代表的新诊疗手段需要医生和药师对新药品和新技术不断深入学习，基于临床大数据可以有效应对这巨大的挑战;由于遗传，患者对药物的耐药性和敏感性存在差异，基于药物组学的基因检测，能够让医生根据个体遗传差异进行精准用药。

医疗保险大数据

医保数据数量巨大，内容丰富，但由于医保制度的割裂，在很多地区分属不同部门管理，数据分散在多个系统中;加之信息标准、硬件技术、网络技术和软件开发者不同等带来的技术阻碍，导致海量的医保数据无法被充分应用。

医保大数据主要挑战：

依据海量医疗保险数据，以信息化为抓手，以大数据为手段，整合集聚各类医保数据资源，并对积累起来的数据进行分析和挖掘。

优化付费方式。

在规范医疗机构的分科标准化的基础上，实现门诊诊断标准化。

依病种比较各家医疗机构的门诊成本，综合考量各种因素，构建科学的就医费用评价指标。

监控医疗行为。

医保通过数据的挖掘，对医疗机构和医务人员的医疗服务进行监测。

一方面，应用该数据分析参保人员可能产生的道德风险;另一方面，通过医疗、医保、医药三方数据的互联互通，实现联动监管，规范医疗行为，跟踪药品进、销、存、运全流程，落地医疗处方筛查和医保控费。

医疗资源分析。

分析医疗资源分布，开展流行病学临床路径研究，治疗方式、卫生经济学评价等，解决在单病种付费过程当中支付标准的设立和确定工作等。

医疗物联网

随着医疗改革的不断推进，医疗机构的内部建设和经营管理在医院运行中愈发重要。

如何提升医疗服务质量，降低服务成本，维护医院品牌形象，避免医患冲突，成为医院关注的焦点。

物联网技术的出现，能够帮助医院实现对医疗对象（如医生、护士、病人、设备、物资和药物等）的智能化感知和处理，支持医院内部医疗信息、设备信息、药品信息、人员信息和管理信息的数字化采集、处理、存储和传输等功能。

物联网在医疗领域的两个重点应用：

1）医疗服务，主要是以患者服务为中心的护理、后勤服务和基础设施建设;2）成本控制，以医院人财物为中心的保障和行政业务管理。

慢性病与健康管理

目前，我国已确诊慢性病患者人数高达3亿人，慢性病致死人数已占到我国因病死亡人数的80%，导致的疾病负担已占到总疾病负担的70%。

同时，以糖尿病为例的慢性病已呈现年轻化发展趋势，严重影响到居民的生活质量和身体健康。

不过其中九成的慢病患者并不需要临床治疗，而只需要进行健康管理，慢性病管理具有万亿元级市场。

《健康中国2030规划纲要》明确指出，要为人民群众提供全方位全周期健康服务。

近年来，关口前移、防重于治的慢病管理服务理念正在逐步普及，同时伴随着人口老龄化社会的到来，慢性病与健康管理十分必要且具有巨大的市场潜力。

健康医疗大数据基于慢性疾病及正常健康数据库，结合远程智能监护系统和可穿戴设备、智能手机等终端，可以有效帮助个人进行健康管理。

包括：

實时跟踪用户身体状况，建立个体健康追踪链;根据监测数据为用户实施个性化的健康管理方案;基于数据的健康管理能降低重病发病率，减少医疗支出。

远程监控与康复治疗

大数据在远程患者监控与康复治疗领域的应用搭建患者身体信息大数据采集与应用管理平台，通过医学信息远程数据采集系统，实时、高效地实现PC及移动端的患者信息数据采集、录入、挖掘、分析等功能，为医生决策提供依据。

远程病人监护系统包括家用心脏监测设备、血糖仪，甚至还包括芯片药片，芯片药片被患者摄入后，实时传送数据到电子病历数据库。

通过对远程监控系统产生的数据的分析，可以减少病人住院时间，减少急诊量，实现提高家庭护理比例和门诊医生预约量的目标。

大数据应用于康复治疗的信息反馈对于医院来说，可以有力地加强医生对患者的管理，使得医院的有限资源得到更好的配置，缩短患者的住院时间，提升医院现代医疗的医护质量。

大数据应用于远程患者监护平台来实现疾病预防，患者的疾病风险可以最大程度地降低，医院的医疗资源在一定程度上得到节省，从而创造巨大的经济价值和社会财富。

医疗信息化

医疗信息化指的是将信息技术运用到医院与公共卫生的管理系统和各项业务功能系统中，对医院、公共卫生系统进行流程化管理，实现特定的业务功能，提高医疗卫生机构的工作效率和医疗服务质量。

医院信息化：

医院信息化以电子病历（EMR）为核心，通过信息技术实现医院管理信息和医院临床信息的数据采集、处理、存储、传输和共享，实现病人信息数字化、医疗过程数字化、管理流程数字化、医疗服务数字化、信息交互数字化。

医院信息化的底层架构是医院信息集成平台，其中电子医嘱、电子病历、临床路径、临床知识库等均建立在这个集成平台当中，电子病历是平台核心。

区域医疗信息化：

区域医疗卫生信息化以居民电子健康档案为核心，以区域医疗资源共享为目标，以社区和农村居民基本医疗卫生服务为重点，运用信息化的手段，为国内公共卫生领域信息化建设提供全面解决方案。

分级诊疗可以通过区域信息平台实现病历档案共享，将医院间信息互联互通。

医药研发、制造和流通

在医药研发、保持药品质量一致性、质量和成本费用的平衡时，分析技术和大数据技术具有非常重要的意义和作用。

大数据在医药研发中，通过对临床数据和已有药物机理数据的挖掘能够使研发过程更加高效。

在医药制造中，可以利用来自药品生产过程中的数据对制药生产工艺过程进行优化。

大数据能够有效促进药物的研发效率。

在新药研发过程中，数据已经是一个不可或缺的重要工具。

未来，数据将会在药品生产、开发过程中扮演着更加重要的角色。

利用数据，可以保证药品生产效率和技术服务质量，以可持续发展的方式把新的治疗方案推向市场。

大数据的应用能有效提升药品的生产效率。

医疗大数据软件系统允许将基于传感技术的数据、药品生产设备的数据和操作者的人员数据联系到一起，实现整个制药生产过程的实时可视化。

药品生产企业可对自身药品生产过程、研发过程以及销售供应链的监控有更深刻的理解。

-全文完-