资料来源:中国医疗保险
作者:梁嘉琳价值医疗(中国)专家委员会秘书长
无论是医疗健康行业，还是医疗保险行业，健康数据都是行业管理的基础设施和有力工具。 大量的数据从人的个体中收集，流向IT系统。 根据估计，每个人在一生中会发生超过605 TB的交互数据量(可能的数据量和必要的数据量之间不包括任何交互)，全国范围内每年超过1000 ZB的交互数据量(不包括这些数据的二次使用、复制/派生等)。
什么是健康数据？
世界卫生组织( WHO )已经说健康是生理、心理和社会适应性的，不仅没有疾病和虚弱。 2016年，中央召开的全国卫生与健康大会指出，全方位周期保障人民健康。 大数据是人民健康水平、国民健康战略的“晴雨表”和“指南针”。 大数据可以提高卫生健康部门、医疗保险部门决策的准确性、细分水平，如预测下一季度疾病、流行病高峰时期、周期、震级，提前配置医疗卫生资源，不重复被动打击的“SARS”事件。 例如，最近预测组织在线欺诈行为的单数、行业、框架和过程可以防止“黑灰产”进入医疗保险欺诈保险领域，防止医疗保险基金变成“唐僧肉”。
根据这一综合要求，广义健康大数据可从两个维度定义。 一个是通过复盖作为人类个体产生的健康影响因素的所有数据，包括生理大数据(包括遗传因子等的多组大学数据)、心理大数据、环境健康大数据、生活方式大数据等。 二是国民健康服务、国民健康保障两个体系产生的数据，包括医疗机构的大数据、公共卫生的大数据、健康管理的大数据、医疗保障的大数据、商业保险的大数据等。
但我国健康大数据管理水平低，实际利用率低，很难形成健康业绩。 一是多头监督管理:国家卫生健康部门提出的“健康医疗大数据”(狭义健康大数据)尚未包括国家医疗保险部门提出的“医疗大数据”，难以形成涵盖全生命周期、全方位需求的广义健康大数据，健康医疗大数据、养老大数据、社会保险医疗大数据、商业 二是数据质量低:来自智能监测设备(如智能手环、智能血压计、智能血糖计)的大量健康数据在维度、精度、实时性、稳定性等方面应用困难，仅作为报警功能，不能用于临床诊断治疗。
据此，在一些建立了数据共享开放平台的省市，健康数据仅限于医疗机构的大数据(仅医院的大数据)范围。 2018年，我国公立医院12032家，民营医院20977家。 医院大数据相对定期收集、处理，相对成熟，是卫生健康部门、医疗保险部门、商业机构开展行业管理的首要选择。 2015年以来，国家卫生健康部门在系统整合、业务合作、数据互联、智能医疗应用方面开展了一系列措施。 其中包括电子病历系统应用水平评估、医院信息平台应用功能指导、医院信息互联标准化成熟度评估等。
谁来吃医疗AI？
2017年，“人工智能”首次写入国务院的“政府工作报告书”，提高了国家战略。 国务院发布《下一代人工智能发展规划》，设置“智能医疗”专业段落，探索智能医院建设，开发人与人合作的手术机器人、智能诊疗助手，开发灵活、服装灵活、与生物兼容的生理监测系统，开发人与人合作的临床智能诊疗方案，智能影像识别、病理分型和智能多学科会议 基于人工智能开展大规模的基因组识别、蛋白质组学、代谢组学等研究和新药开发，推进医药监督智能化。 加强传染病智能监测和防控。 ’他说
特别是在深度学习辅助诊断、辅助治疗决策领域，新一代医疗人工智能技术(深度学习、神经网络等)有助于在三个方面提高医疗卫生系统的管理成绩: (1)缓解我国专业医务人员的缺乏情况，为高饱和度工作减免(如影像医师、病理医师)，(2) 洞察医务人员肉眼无法发现的高维空间图像，揭示疑难病后隐藏的“暗知识”，提高诊断的准确性和治疗方案的科学性。 (3)将高级医院、高年资医师的“人工智能”硬化为算法模型，以人工智能为基础医院、低年资医师提供能力。
随着新一代人工智能在医疗领域的应用，对健康数据(尤其是医院数据)提出了更高的要求。
算法是人工智能产业的“皇冠”，但在临床应用的一环中面临着许多未知数。 达特茅斯会议自人工智能产生以来，人工智能的发展经历了“三落三起”。 最近人工智能的兴起，深度学习、神经网络算法是其核心驱动力。 “人命关天”的医疗决策对人工智能脆弱性、不稳定性、“算法黑盒子”问题的容忍度较低，而且很多医疗机构不愿意根据自己的医疗安全、患者隐私、医生指示知识产权等因素，将医院大型数据传递给自己控制范围外的算法模型 国家卫生健康委员会统计信息中心2018年的调查数据显示，还有半数以上的三级医院尚未开展大数据、智能应用。 国家心血管病中心对95家医院进行的问卷调查显示，近3年来有3成以上的医院未投入医疗人工智能，投入千万元的医院仅占5.3%。
临床上大的数据是训练算法模型转不过来的问题，如果机器学习所需的“食材”食物不够充分的话，吃进一步细致加工后的“食物”，算法模型就不能一天天“聪明”。 大数据和人工智能行业困惑于开放数据共享:一是数据共享水平有限，数据量、数据维度、数据精度有限，难以满足神经网络算法模型训练的需要。 二是大部分原始数据为非结构化数据，数据集中化、标准化、智能化程度差，经过数据采集、清洗、数据去敏化、数据注释等多馀环节，演算法模型训练过于费时，成本过高。