MRI:沉睡中的百億市場，醫療數據要素市場化將如何撬動醫療數據？

數據資源作為重要生產要素蘊藏了巨大的價值，被認為是面向未來的數字經濟的“石油”。正因為此，我國在2019年首次將數據與勞動、資本、土地、知識、技術、管理并列為六大生產要素。

2022年以來，有關數據要素市場化的新聞越來越頻繁，塵封多年的醫療數據或許正在迎來“開采井噴”的關鍵點！

6月，河南省確定了6個要素的市場化配置改革試點。其中尤其提到了河南省數據要素市場化配置改革的試點工作將由鄭州醫保局完成，依托國家醫保局大數據創新應用平臺來探索數據要素的市場體系建設。

10月，浙江省標準化研究院等單位研究起草了《數據資產確認工作指南》，并向社會公開征求意見。這也是國內首個針對數據資產確認制定的推薦性地方標準，引起廣泛關注。

江蘇等地則通過數據應用大賽，通過為參賽隊伍提供脫敏醫療數據以及安全合規的數據應用開發環境來探索醫療數據的流轉及應用。

過去數年幾經沉浮，進度難言理想的醫療健康數據應用挖掘，是否能夠借助“數據要素市場化”真正實現突破呢？動脈網就此對行業人士進行了探訪。

數據是數字經濟時代的石油，醫療數據不能一直沉睡

盡管數據作為一種新的生產要素被視為數字經濟時代的“石油”，但其價值不在于數據本身，而在于對數據應用分析所產生的洞見。因此，如果無法對數據進行有效地應用挖掘，這些數據也將會如同深埋地下的原油一般難以發揮。

這其中，醫療數據公認具有巨大的價值。臨床診療、醫院管理、疫情防控、醫療科技創新、醫療保險和患者等都可以從中獲益良多。僅以國內醫療大數據解決方案的市場規模為例，2020年其市場規模為178億元，估算2020-2026年的復合年增長率將達到39.3%，按此預計2022年市場規模將達到347億元。

不過，不同于傳統上將數據視為一種資產的觀念。在未經處理無法產生價值的前提下，用負債來描述這些數據對所有方的價值可能更為精準。

數據：Curve創始人昨日出售1375萬CRV，8月已出售1.574億CRV:金色財經報道，據鏈上分析師余燼監測，昨天至今天，Curve創始人向兩家機構出售1375萬CRV：向Binance Labs出售1250萬CRV，向AccumulatedFi出售125萬CRV。

自8月1日開始OTC出售以來，Curve創始人累計向33家投資者/機構出售1.574億CRV，換得資金6296萬美元。[2023/8/11 16:20:27]

僅從資產負債的角度而言，原始數據的物理存儲實際上不是單純的資產，也是某種意義上的‘負債’。數據在存儲和管理層面都會對醫療機構和相關機構產生大量的經濟成本，如果沒有應用場景，確實負擔很重。

2021年12月，國務院辦公廳印發《要素市場化配置綜合改革試點總體方案》，指出要在2022年上半年完成試點地區布局、實施方案編制報批工作，并爭取試點工作在2023年取得階段性成效。隨即，各地紛紛開始相應的布局規劃，也就有了本文開始的一幕。

然而，一個顯而易見的現實是，醫療數據的應用現狀并不理想，呈現出謹慎保守、孤島效應和應用場景較少等特點。目前最為關鍵的是需要有明確的落地政策、主導機構及標準流程：“政策落地最為重要，醫療數據資產不同于其他行業的數據資產，其特殊性與政策休戚相關。只要政策明確，按照政策指導合法開展價值鏈上的各項服務或者通過數據資產研發市場化的產品是企業天然會去做的事情。“啟益醫療在大數據和數字療法上均有涉及，其COO洪蕾向動脈網介紹說道。

“從法律和合規層面，政府給出明確指導和要求后肯定可以解決目前大部分醫療數據應用上的問題。有了明確的政策后，可以在行業內形成‘良幣驅逐劣幣’的趨勢——資質合格、技術過關、服務優質的企業能夠合規地展開業務，更有市場效率和價值。”她補充道。

一方面，各種監管法規的密集出臺為數據應用劃定了紅線；然而，在法規頒布并明確紅線的同時卻并未明確哪些事情可以做，如何做，使得數據市場化不具有可操作性。另一方面，現有的醫療數據質量普遍較差，距離商品化仍然有一定距離。

Bitfinex將于5月17日支持CryptoGPT（GPT）更名為LayerAI（LAI）:5月11日消息，Bitfinex將于2023年5月17日上午11點（UTC時間）支持CryptoGPT（GPT）更名為LayerAI（LAI）。Bitfinex上的CryptoGPT（GPT）交易、存取款將于2023年5月16日上午11:00（UTC時間）停止，請客戶在此之前取消任何與CryptoGPT（GPT）的未結訂單，屆時系統將取消所有剩余的未結訂單。LayerAI（LAI）的交易、存取款預計將在更名完成后不久開放（預計在2023年5月17日），支持LAI/USD和LAI/USDT交易對。[2023/5/11 14:56:54]

事實上，醫療數據的市場流轉在全球都并不容易，面臨各種嚴格的監管。

在數據市場化較早的歐美地區，醫療數據的應用已有一定規模，并發展出專門的醫療數據服務行業。通過為醫療服務機構提供PaaS服務，數據服務企業將大量數據變為可用性數據后利用人工智能或機器學習提供輔助決策支持。經過多年發展，這些領域聚集了大量的創業公司和巨頭公司，主要有兩種商業模式。

其一是向醫療服務提供者和保險服務方收費，通過大數據提供的決策支持為其帶來更好的醫療結果和提高效率節約成本。其二則是為醫療服務機構提供免費或廉價的服務，然后通過后臺收集的數據向藥企等數據使用方收費盈利。

不過，醫療數據定價、流轉和應用應尋找具有中國特色的計劃性和有序性，不能盲目跟從歐美某個國家和地區的模式。“我國是一個全民醫保覆蓋下的社會主義國家，醫療保障制度有別于歐美體系，從體制上決定了我們的醫療數據的歸屬、權益、定價、流轉和應用應該具有符合我國特色和全民利益訴求。”洪蕾表示。

正因為此，具有我國特色的醫療數據流轉和應用模式或許需要在體制內進行探索和改革實踐。僅僅進行數據的積累和管理但是無所應用，最后會形成國家的負擔。因此有必要加速來設計、探索和改革實踐新的應用模式。

據動脈網了解，目前已有一些采用全民健保醫療保障制度的地區在醫療數據市場化上進行了較長時間的探索，可以觀察到實際產生的應用價值。這些地區的醫療數據應用主要依托專門成立的“全民健康保險保險人信息整合應用服務中心”實現。

web3可觀察性平臺Sentio完成640萬美元種子輪融資:金色財經報道，?web3 可觀察性平臺 Sentio?以 3200 萬美元的估值完成 640 萬美元種子輪融資，風險投資公司 Lightspeed Venture Partners 領投，參與方還包括 Hashkey Capital、Canonical Crypto、Essence VC 和 GSR Ventures。創始人表示，該股權交易于去年 9 月完成。[2023/2/21 12:20:20]

這些探索開始于數年前，基于大型醫療機構提升運營水平為目標的數據需求，中心開始試點對醫療數據進行集中處理。通過該機構以及相應的立法，可以讓公務機關包含產業應用的學術研究機構來申請健保資料，幫助中心進行AI算法加強的數據甄別和處理，比如說CT、MRI等影像數據都是透過深度機器學習模型的甄別處理。完善后的數據庫則用于支持醫療機構用來分析醫院的進貨、出貨、補藥、耗材等管理，讓醫療機構更加智能化高效率。

這些應用探索或許能夠給我們一些啟發。

醫療數據要素市場化為什么這么難？它會是撬動醫療數據的救星嗎？

國家健康醫療大數據中心總經理王冰常年與數據打交道，對于醫療數據遲遲難以得到有效利用的原因有深入的認識。

她認為造成醫療數據難以得到較好利用的首要原因是數據零散分布在各個主體機構。政府、醫療機構、科研院校及部分健康醫療企業等機構組織在長期的業務中都有相應的健康醫療數據資源的積累，使其成為了各類健康醫療數據的實際擁有者和控制者。這直接導致了數據權屬很難定義。

隨著對原始數據的不斷處理，醫療數據的權屬變得進一步模糊。“比如，我們去醫院做CT檢查，原始的全量影像數據是一個數據集，在影像數據集一旦添加了醫生診斷的內容，就生成了新的數據集了。”王冰解釋道。

權屬的不清晰將會導致如數據要素確權、治理、流轉等一系列問題。更為關鍵的是，數據的采集工作將變得異常艱難。

“如果我們把數據資源認定為最底層的生產資料，在其交易之前先得加工成可供交易的產品——數據需要經過一系列的開采、匯聚、加工才能變成產品。雖然我們把數據和石油類比，但其實本質并不一樣。石油的權屬很明確，用一點就少一點。醫療數據所屬的主體非常分散，醫院、政府、院校、企業乃至個人都有一部分數據。另外，數據特殊的地方在于它不會用一點少一點，可以無限復用，甚至伴隨數據的不斷流轉在各環節產生新的數據。出于對自身所控制資源的保護，各個主體給出數據的意愿不同。這都導致數據難以采集共享。”王冰向動脈網解釋道。

數據：交易所錢包余額近24小時增加1310枚BTC:金色財經消息，據coinglass數據，交易所錢包余額近24小時增加1310枚BTC，近7天增加42871枚BTC，近30天增加41395枚BTC。目前全網交易所總計錢包余額為2130307枚BTC。[2022/8/8 12:08:23]

其次，則是數據質量差異極大。在同一區域，三級醫院、二級醫院和基層醫院所提交的數據質量差異非常大。究其原因，除了受設備、業務質控等影響原始數據生成質量差異外，主要還包括兩點：信息化企業的數據采集標準和數據采集能力不一致。

“過去的信息化系統建設沒有統一的指引，大家的標準不一樣，支撐業務數字化的數據庫結構也不一樣。所以，當實施方想要采集特定數據時，就會發現生成這些數據的系統建設標準與庫表結構各自不同，即便按統一標準采集起來，解讀和清洗也非常困難。這是第一個原因。”王冰解釋道。

“第二個原因則是采集模式不一致。比如三級醫院和大部分二級醫院是通過直接連通數據庫的方式獲取數據，數據質量相對有保障。但很多基層醫療機構受限于信息化能力不足，采用手工填報的方式。本身基層醫療機構的醫生就不足，數據上報工作只能委托護士或者非醫療行業的人完成。這些群體填寫的數據就會參差不齊。這就會導致同一個主體采集的數據質量差異極大，根據‘木桶效應’——質量差的數據入庫就會將整體的數據質量拉低，變得難以利用。”她補充道。

事實上，盡管向公眾開放居民健康檔案數據的呼聲很高，但現階段推進節奏較慢的一個重要原因就是醫療數據的質量不高，假如不投入高昂成本做治理與加工，居民獲取回流的健康檔案數據很容易出現偏差。

最后，則是經濟性問題。傳統生產資料需要遵循“采集-處理-產品設計-銷售”的路徑。這一路徑的經濟性計算方式采用正向模式，通過計算路徑中各流程的成本，再加上利潤就可以得到最終的定價。

王冰認為，現階段數據生產資源要素的經濟性計算面臨很大的難題：“數據價值確認恰恰很難按這個路徑設計。結合前面的采集難和質量差異大的現狀，在計算醫療數據經濟性時就會發現沒有辦法精準測量與精細化控制前端成本，市場主體去做數據半成品的加工工作的投入很大程度無法形成可以銷售、獲取足夠用戶市場的產品。就好像在沙漠里淘金粉，所有人都知道金粉值錢，但當淘金粉、加工金制品的投入、產品質量與市場預期都難以測算的時候，企業就沒有投入意愿了，金粉就沉睡在沙漠中了。”

DeFi協議總鎖倉量達718.7億美元，24小時內跌1.31%:金色財經報道，據DefiLlama數據顯示，DeFi協議總鎖倉量（TVL）達到718.7億美元，24小時內跌幅為1.31%。TVL排名前五分別為MakerDAO（75.4億美元）、AAVE（58億美元）、Curve（49.6億美元）、Uniswap（49.2億美元）、Lido（46億美元）。[2022/7/2 1:45:38]

這樣做或可加速醫療數據要素市場化進程

對于如何完成醫療數據要素的利用，王冰提出了自己的觀點。她認為，各省要想把醫療數據作為生產資料，實現所有數據要素治理及流通，其必要前提是實施數字化改革，包括兩個部分：打造“一個頂+一個底”的架構，通過數字化項目帶動改革。

●搭建“一個頂+一個底”的組織架構

一個現實是，雖然中央部門發布了很多發展數字經濟、推進數字化改革的政策，但由于數字化改革是多個委辦局智能治理思想的結晶，需要強力的政策牽引，大量的改革政策出臺與落實單位在省一級。她表示，在當前國情下，比較現實的是由各省級政府與專業的數字化改革產業組織團隊合作共建一個支撐行業數字化與數據服務的組織平臺，搭建一個具備數字化公共技術能力和跨界產業服務能力的“行業專屬數字化新基建”。

所謂的行業專屬數字化新基建指的是產業互聯網的技術公共支撐底座。數據服務則是利用數字化基建在主管部門針對場景的數據價值化項目審批、多個數字化項目規劃實施、多方數據人才專業資源組織聯動的基礎上推進的產業賦能服務。

“衛生健康、醫療服務領域改革舉措跟省級部門強相關。所以，我認為由省級來統一制定相應的頂層規劃，確定一個全行業和全產業的數據資源要素的組織、獲取、治理、供需撮合到帶動產業鏈發展的整個組織平臺是首要的第一步。如果這件事都沒有做，那各方就是零散的，沒有辦法去實施。”

“這個數據資源要素改革化的支撐單位在省級層面也需要對應的領導專班和管理小組。因為醫療數據資源要素不僅是衛生行業管理部門的業務范圍，也涉及到藥監、醫保、發改、工信、財政、網信和法律等一系列跨部門的協同，以及行業的引導標準規范等等。”王冰向動脈網解釋了何為“一個頂”。

“我認為，在一個省域做好數據資源要素流通、組織、治理及發展的最關鍵的前提就是‘一個底’和‘一個頂’。‘一個底’是要建立一個組織平臺底座，‘一個頂’則是要建立全省一體化的領導專班及相應的工作小組。通過兩者的配合提出長期的未來規劃，并落實分解到相應的行業規劃和產業規劃中去。”王冰補充道。

此外，新的組織機構需要保持與已有組織機構的兼容和協調。比如，一些省份已經下設分管全省政務類數據資源的大數據中心，其職責也涉及相應政務類數據匯聚、加工及流轉等管理規則的出臺。需要兼顧邏輯一致性才能在未來跟處于數據資源要素末端的大數據交易所進行對接。

完善組織機構建設后就可以與各種數據來源端進行溝通聯系，并將這些數據資源組織起來匯聚到全省數據資產目錄表里，并持續更新迭代。同時，還需要把數據資源要素治理所需要的各類人才、各方的數據資源、包括數據審計和數據中介等各種新型服務商，以及更重要的，將數據需求方組織起來。

“通過各方參與的共享共建，讓真實的供需對接，持續去產生各種行業，比如便民惠民服務，醫療服務質量或管理效能提升；以及各種產業應用，比如面向AI，面向金融保險，面向新藥研發等一系列服務，大量脫去原始數據敏感信息的數據集——很多地方稱之為‘數據元件’——沉淀下來，成為可定價可反復交易的商品，最終輸送給類似數據資產交易所等數據交易主體，推動規模化交易。這樣，數據交易所才能進一步形成數據的定價、交易、稅收等各種規則，并將全鏈條貫穿起來。”王冰總結說道。

●通過數字化基建項目加速推動

不過，由于掌握主要診療數據的醫院并沒有足夠動力分享數據，一旦難以實現目標，數據資源要素市場化的效果也不會理想。針對這一問題，王冰認為需要抓住關鍵問題予以解決：“歸根到底，醫院沒有動力分享數據的原因其實主要有三個，其一是分享數據與醫院的KPI與回報沒有直接、明確的關聯，其二是在未有明確的規則前這可能代表資產的流失，其三則是潛在的數據泄露風險。”

為了解決這一問題，還需要設法打通一個個“數據孤島”。王冰介紹了江蘇經驗，即通過給全省居民帶來好處的、提升醫療服務質量或者提升其管理效能的大型數字化項目的實施來拉動數據的采集，從而實現全省醫療數據的快速整合。

所謂數字化項目，指數字化基建上承載的圍繞全省某一個領域數字化目標規劃、統一實施的項目，通常包括某一個領域數字化目標范圍內數據的采、存、治、用全鏈路實施。

這些數字化項目需要面向多方主體，以統一的標準去開展全鏈路上的數字化改造，如藥械流通領域數字化改革項目、影像數字化與綜合服務改革項目等。舉例而言，江蘇省的影像平臺項目就是一個很好的嘗試，可以通過幾個步驟推動醫療數據的快速整合。

第一，是圍繞醫學影像領域全面數字化目標發布統一標準。“省級影像平臺的第一步一定是先統一全省醫學影像數據匯聚、安全管理、應用服務等的標準，全省所有醫療機構中進行相應的統一部署實施，把標準格式的數據從醫院匯聚到中心。通過跨院調閱等應用加工，患者可以在任意一家醫療機構查看自己其他區域、其他醫療機構的歷史病程數據，便民惠民。”她介紹道。

第二，由于數據已經實現了標準化，因此，匯聚到中心端的數據質量很高，可以形成一系列的數據集，進而支撐一系列行業應用開發，如支撐醫保進行數字化監管，利用醫保支付為抓手監管醫院過度治療，患者可以減少不必要的重復影像檢查，降低對身體的影響。

第三，數據資源真正匯聚到中心端后，利用數據服務對產業創新發展進行支撐的步驟就可以得到簡化。比如，依托中心端的數據資源結合公共技術支撐平臺、開發環境開展人工智能輔助決策、創新藥的研發等。

第四，一個數字化項目的全省實施可以把鏈接政府、數萬家醫療機構、產業鏈的“數字高速路”建好，為數據采集、數據匯集乃至未來的應用整合營銷奠定基礎。

“這樣一個具有實際價值的大型數字化項目可以實現多贏，不僅可以達到本身支撐行業應用的目標，比如惠民利民、提供醫療服務治理、提升管理效能，也是全省數據高質量匯聚的關鍵實踐。通過多個項目的規劃上線，數字化提檔升級與數據服務的網絡逐漸完善。再配合已經完成的組織平臺和數字化領導小組的‘一頂一底’建立數字化服務網絡推進產業互聯，由支撐政府智能治理思想的落地，持續做大做強全省數據資源中樞、做好資產管理與服務撮合，將對應供需場景的技術配套與商業模式創新配套‘兩手抓起來’，才能把一個省的整個流通市場最終打通。這是一個龐大的體系。”王冰總結說道。

目前，各省正就醫療數據要素市場化陸續出臺相應的布局規劃，并逐步落實。值得一提的是，雖然一定程度上的“百花齊放”更有助于我們在多種模式中找出更適合國內的方式，但各省標準不一導致新一輪“數據孤島”的可能性并非不存在。這一隱憂或許需要更高層面在標準上的統一。

隨著數據要素市場培育的加速推進，或許很快我們就能夠看到醫療數據作為要素市場化流轉的進展——當然，鑒于數據要素不同于勞動力、土地、資本和信息這類傳統生產要素的特征，匹配數據這一生產要素市場化的較為理想的制度建設還需要經歷相當長的過程。

就讓我們拭目以待，那一天的到來。

Tags：人工智能MRI價值鏈人工智能技術應用學人工智能后悔死了人工智能考研考哪些科目MRI幣MRI價格價值鏈幣是什么幣

中幣下載