2022人工智能数据治理：高频数据价值及痛点医疗篇

简介

医疗信息化建设阶段：医疗行业的信息化发展历程可分为数字化阶段与智能化阶段，而其中医疗数字化建设又可分为医院管理信息化、医院临床信息化以及区域医疗信息化三个阶段，医院作为信息化的主体已经积累了大量医疗数据并具备了基础的处理分析能力。近年来，在国家政策与医院实际需求的推动下，大数据、人工智能等技术在医疗领域的应用探索成为市场关注重点，AI+医疗场景步入快速发展期。

高频高价值业务场景：AI医疗已经从医院管理类应用逐渐延伸至医院核心业务，能够有效提升医院管理水平与诊疗水平，医学影像与医保控费是院内AI应用最成熟的领域，基因检测与新药研发是院外AI应用最主要的应用领域。

面向人工智能的数据治理：医疗数据在流通、共享、存储、管理等环节尚未标准化，导致数据多源异构难汇集、数据标准体系不健全等问题始终存在，掣肘着AI应用乃至行业的发展。从院内院外整个医疗数据环境来看，除数据质量欠佳之外，数据量欠缺也制约了AI模型训练的效果。结合医疗行业在AI应用过程中的数据痛点，医疗行业数据治理体系的搭建应该以打好数据基础为主，其次，医院应以平台建设为主，在满足医院管理、运营的基础之上，以场景做切入，支撑AI业务单点的运营；最后，以建立持续迭代运营的数据治理体系为核心，搭建切实可行的执行通道，形成数据闭环。

二、行业发展背景

政策与需求双重推动，AI+医疗步入发展期

医疗行业的信息化发展历程可分为数字化阶段与智能化阶段，而其中医疗数字化建设又可分为医院管理信息化、医院临床信息化以及区域医疗信息化三个阶段，医院作为信息化的主体已经积累了大量医疗数据并具备了基础的处理分析能力。近年来，在国家政策与医院实际需求的推动下，大数据、人工智能等技术在医疗领域的应用探索成为市场关注的重点，AI+医疗场景步入快速发展期。同时，医疗服务范围也在逐渐向院外延伸，形成了以大健康产业为重点的医疗卫生服务体系。

三、高频高价值场景（1/2）

医学影像与医保控费是院内AI应用最成熟的领域

AI医疗是挖掘医疗大数据的关键应用，已从医院管理类应用逐渐延伸至医院核心业务，可有效提升医院管理水平与诊疗水平。其中，医院管理信息化与辅助类诊疗应用是热门方向，针对影像、乳腺癌等专科诊断类产品已经率先落地。从AI应用在我国不同等级医院中的开展情况来看，用药管理在三级医院中渗透率最高，医保控费在公立医院有较高的普及率，AI辅助诊疗则在各类医院中均有较高应用，尤其下级医疗卫生机构，更加需要利用AI技术弥补各级医院之间能力差异，对建设落地我国分级诊疗体系有重大意义。

四、高频高价值场景（2/2）

基因检测与新药研发是院外AI应用最主要的应用领域

随着医疗服务向整体大健康的范围拓展，AI在院外的应用场景同样极具潜力。基因测序能够通过对生物的DNA的检测，提前预知疾病的发生的概率，是AI疾病预测的重要应用场景，近年来我国基因测序市场增长迅速，逐渐被消费市场认可。

AI制药是医疗领域另一个发展迅猛的应用场景，一方面由于传统制药成本增加，效率面临挑战，驱动行业在技术层面寻求突破方法，另一方面AI擅长的数据处理和分析技术与新药研发场景高度融合，共同促成了AI制药赛道的升温。

五、数据痛点与核心诉求

数据质量是掣肘AI医疗应用发展的核心痛点

AI医疗发展的驱动力在于满足医疗健康服务发展的刚性需求，通过数字化建设以人为本的整合型医疗卫生服务体系，但受医疗资源分配不均等历史遗留因素的影响，目前制约AI医疗发展的原因有很多：从医院层面看，医疗信息化建设支持了医疗数据的爆炸式增长，但是医疗数据在流通、共享、存储、管理等环节尚未标准化，导致数据多源异构难汇集、数据标准体系不健全等问题始终存在，掣肘着AI应用乃至行业的发展。从院内院外整个医疗数据环境来看，除数据质量欠佳之外，数据量的欠缺也制约了AI模型训练的效果。从政策层面来看，我国没有明确的法律规定数据归属问题，各方在使用医疗数据时需考虑数据安全与潜在风险，数据开放受限，数据的价值难以得到体现。

六、面向人工智能的数据治理

以数据治理为抓手，夯实数据基础，打造持续运营体系

医疗行业数据治理的市场起步较晚，大部分主体并未建设专门的数据治理平台及体系，仅仅只是单点的产品应用。结合医疗行业在AI应用过程中的数据痛点，医疗行业数据治理体系的搭建应该以打好数据基础为主，具体而言，首先需要促进全域数据的集成，并且引入AI基础数据服务能力对提升数据质量，保障数据稳定、持续治理。其次，医院应以平台建设为主，在满足医院管理、运营的基础之上，以场景做切入，支撑AI业务单点的运营。数据管理规范与安全保障需要在此过程中确立，最后，以建立持续迭代运营的数据治理体系为核心，搭建切实可行的执行通道，形成数据闭环。