一般來講，健康醫療大數據是指健康醫療活動全過程中產生的數據集合，既包括個人從出生到死亡的全生命周期中，因免疫、體檢、治療、運動、飲食等健康相關活動所產生的大數據，又涉及醫療服務、疾病防控、健康保障和食品安全、養生保健等多方面數據的聚合。

中國特色的醫療健康困境

人口增長和老齡化問題加劇，腫瘤、慢性疾病發病率呈上升趨勢，全球醫療健康產業面臨醫療保健工作者不足、人力成本和研發成本上漲等問題。我國作為人口大國，面臨醫療資源配置不均衡、供需結構失衡、醫保收支壓力大等“中國特色”的困境。

供需機構失衡。有數據表明，2016年我國每千人口執業（助理）醫師2．31人；2015年我國每千人口醫師數量在OECD統計的國家中排名處于25－30之間，與發達國家如德國（每千人口醫師數量4．14人）、西班牙（每千人口醫師數量3．85）、意大利（每千人口醫師數量3．84）相比，我國差距顯而易見。此外，我國進入醫療系統的優秀人才正逐年趨少，這與我國醫生執業環境較差有一定關系。

醫療資源配置不均衡。據我國衛生統計年鑒統計顯示，2010－2015年我國三級醫院診療人次及住院人次復合增長率分別為14．6％和21．9％，而基層醫院僅為3．8％和0．5％。這不僅導致患者就醫體驗差，也造成優質醫療資源浪費嚴重。

醫保收支壓力大。我國醫?；鸬倪\作管理原則是“收支平衡、略有結余”，因此控費能力較差。同時，由于醫院實施的是按項目、按藥品加成的收費方式，使得醫生通過多開藥，多開檢查項目獲得利潤，誘導了過度醫療。據《中國醫療衛生事業發展報告2017》預測，2017年城鎮職工基本醫療保險基金將出現當期收不抵支的現象，到2024年將出現累計結余虧空7353億元的嚴重赤字。

因此，改善現有就醫模式，推行分級診療勢在必行；提升醫保控費能力，探索創新支付機制迫在眉睫。

大數據技術在醫療健康產業中的應用價值

大數據技術的應用，將從體系搭建、機構運作、臨床研發、診斷治療、生活方式等方面為健康醫療模式帶來深刻變革，不斷滿足人民群眾多層次、多樣化的健康需求，從而實現從“治療”到“預防”的就醫習慣改變，降低從個人到國家的醫療費用。其在醫療健康行業中的應用價值明顯：

在醫療體系方面，通過區域信息化、在線問診、遠程醫療等技術連接各級醫院，實現醫療資源優化配置、電子病歷共享等，最終提升醫藥供給效率和能力；

在臨床研發方面，通過基因測序、影像識別等技術挖掘更多維度的數據，縮短臨床驗證周期，提升新藥研發效率；

在診斷治療方面，通過認知計算、機器學習等技術，實現精準治療、輔助提升醫生診斷治療效率，提高醫療服務質量；

在健康生活方式方面，通過可穿戴設備、在線問診、遠程醫療、人工智能等技術間的相互配合，為用戶提供健康管理、疾病預測、提供有效的干預方案，降低醫療費用支出。

總而言之，健康醫療大數據應用發展有利于提升醫療服務效率和質量，擴大資源供給，有利于激發我國深化醫藥衛生體制改革的動力和活力，提升健康醫療服務效率和質量，有利于培育新的業態和經濟增長點。

健康醫療大數據宏觀環境利好

健康醫療大數據是國家重要的基礎性戰略資源，政策支持、技術支撐、市場認可、資本扶持是健康醫療大數據快速發展的先決條件，當前，我國健康醫療大數據已經進入初步利好階段。

政策層面，2016年6月，國務院辦公廳印發《關于促進和規范健康醫療大數據應用發展的指導意見》，將健康醫療大數據應用發展納入國家大數據戰略布局，并從夯實應用基礎、全面深化應用、規范和推動“互聯網＋健康醫療”服務、加強保障體系建設等四個方面部署了14項重點任務和重大工程。此外，為推進和規范健康醫療大數據的應用發展，我國確定了福建省、江蘇省級福州、廈門、南京、常州為第一批試點省市，山東、安徽、貴州為第二批試點省份。技術層面，健康醫療大數據領域涉及的相關技術范圍廣泛，有底層數據采集中包括的信息化、物聯網、5G技術；有處理分析中包括的深度學習、認知計算、區塊鏈、生物信息學及醫院信息化建設等。當前，由于基因測序、穿戴設備等數據采集成本下降，導致數據爆發性增長，為大數據人工智能分析奠定了規?；A。未來，隨著影像識別、自然語義、認知計算、生物信息學、區塊鏈與應用場景的深入探索，將進一步推動其在不同應用場景下的有效模型建設。

資本層面，據不完全統計顯示，自2014年起，健康醫療大數據領域的融資事件在生命健康產業中的占比逐年增長，從2014年4．9％增長至2017年的8．6％，2018年Q1健康醫療大數據領域融資事件占比快速增長至22．2％，預計未來將有更多資本進入該領域。

當前健康醫療大數據應用發展的瓶頸

健康醫療大數據建設的快速推進，使我國健康醫療信息系統和“互聯網＋健康醫療”服務體系正趨漸規范和完善。于此同時，問題也隨之浮現，總結來講，主要有三點：

1、大量數據壁壘導致數據無法互聯互通

由于信息系統技術規范、基礎信息數據標準的不統一和缺失，我國醫療數據普遍不能互通互認，這直接導致各醫療機構大量有價值的數據變成了“數據孤島”。因此，打通數據壁壘、聯通數據孤島，實現互聯互通迫在眉睫。

2、醫療大數據停滯在淺層應用難以向更深更廣處推進

當前，健康醫療大數據收集和運用的方式渠道較為單一，略顯貧乏。掛號、電子病歷共享等應用，只是健康醫療大數據的冰山一角。如何推動醫療行業的大數據應用向更深更廣處發展是行業的“痛點”也是熱點。

3、處理海量、專業數據存在人才缺口

醫療和計算機屬于知識密集型行業，海量的醫療專業數據需要復合型專才團隊來打理，人才的缺乏是當前健康醫療大數據應用面臨的一道實實在在的高門檻。因此，系統性的復合型人才培養體系建立至關重要。