健康醫療大數據，風起了，還要越過多少山丘？

「健康中國戰略」既是億萬人民幸福生活的福祉所系，也事關萬億規模的產業發展。人民日益增長的美好生活需要註定了大健康產業需要更快地成長。跑得快的大健康產業與跑的更快的大數據產業結合在一起，有政策紅利，資本市場也是一片火熱。然而在繁榮景象背後，我們需要認真思索，大健康領域為何突然吹起大數據的風？「有產無鏈」的行業現狀，痛點在哪裡，機遇在哪裡？本期產業觀察，筆者將帶您深入挖掘健康醫療大數據產業底層邏輯與破題之道。

健康醫療大數據發展風起雲湧

繼清華大學、北京大學和浙江大學之後，7月29日中國科學院大學也成立了其健康醫療大數據研究機構——中國科學院大學健康醫療大數據國家研究院，重點關注健康醫療大數據採集標準、相關政策法規和人才培養。頂級科研機構扎堆成立研究院，只是健康醫療大數據發展風起雲湧一方面的寫照。早在2016年，國務院辦公廳就發布了《關於促進和規範健康醫療大數據應用發展的指導意見》，明確指出健康醫療大數據是國家重要的基礎性戰略資源。頂層設計指導下，健康醫療大數據「國家隊」三大集團（注1）相繼籌建，「1+7+X」（注2）總體規劃逐步推進。地方熱情響應，採購需求旺盛，大數據加速滲透健康醫療行業。有政策紅利，資本市場也是一片火熱。據艾瑞諮詢統計，我國健康醫療類大數據投融資事件從2013年的3起猛增到2016年的66起。在經歷了2017年沉澱調整後，2018年僅第一季度就發生了35起投融資事件，產業熱潮持續發酵。從金額看，投融資額度較高，項目以千萬級、億級項目為主。從輪次來看，A輪佔據主導，產業發展仍處早期階段，需要進一步培育。作為健康醫療大數據產業代表性企業，平安好醫生於今年5月在港交所掛牌上市，成為全球AI醫療科技第一股。

數據來源：艾瑞諮詢，NCG，華夏幸福產業研究院

註：數據統計口徑不同

為何突然吹起大數據的風？

看似心血來潮，實則積蓄已久。新醫改啟動至今已近10年，「看病難、看病貴」問題仍未解決，醫改之路屢陷困境。一方面人口老齡化、醫保覆蓋率提升導致需求大增，另一方面醫療資源分配不均、醫保支付壓力大導致供給乏力，供給側改革迫在眉睫。在我國，三甲醫院聚集著最優質的醫療資源，擁有最專業的醫生和最先進的設備，而基層醫院由於受經濟發展水平及交通等因素制約，醫生數量和經驗不足，設備配置不全，難以滿足廣泛的就醫需求。這就導致全國各地的患者向大城市三甲醫院聚集，某些知名醫院凌晨門診開門挂號的場面，甚至被戲稱為國產版《釜山行》，由此可見分級診療壓力之大。而短期內，這種供給端乏力、發展不均衡的現狀難以突破。大數據驅動的人工智慧由於可以替代醫生執行高重複性、低技術含量的基礎工作，同時將高水平的診療經驗複製到基層醫院，一定程度上協助實現了醫療資源供給端的改革，有利於緩解大醫院緊張氣氛。此外，大數據與雲服務相結合，能夠將優質醫療資源和服務下沉到基層，實現由院內向院外、由一線城市向基層鄉鎮的延伸，提高基層醫技水平和整個醫療體系的運轉效率，助力實現分級診療。所以，利用健康醫療大數據賦能醫療供給端，提高醫療資源利用效率、優化醫療資源配置，是颳起大數據風的根本原因。

數據來源：OECD，艾瑞諮詢，華夏幸福產業研究院

產業不成鏈，痛點在哪裡，機會在哪裡？

政策密集出台、資本高頻投入的背景下，我們需要清醒的認識到大數據在健康醫療領域的應用仍處在初期階段，產業上中下游均存在一定問題亟待解決，健康醫療大數據整體處於「有產無鏈」的狀態，尚未完成由「大量數據」到「大數據」的定位轉變。如果把健康醫療大數據看作一個個體，基礎設施就像是血管網路，而大數據就是血管中流動的血液。而在現階段，我國健康醫療大數據就像一個血液流通不暢的嬰孩，仍需悉心照料和撫養。

資料來源：華夏幸福產業研究院

上游：基礎設施建設水平及大數據滲透動力不足

醫療機構作為最重要的健康醫療數據來源，其信息化建設水平對健康醫療大數據發展至關重要。根據CHIMA《2015-2016中國醫院信息化狀況調查報告》，儘管部分細分方向普及率已達70%，整體上我國醫院（特別是三級以下醫院）的管理信息系統（HMIS）和臨床信息系統（HCIS）建設水平仍有待提高。報告顯示，影響三級以下醫院信息化建設的最大障礙為缺乏充分的信息化資金支持。完成醫療信息化基礎設施建設一筆不可小覷的開支，若無法帶來現實的收益，醫院則無動力開展建設。基礎設施建設作為健康醫療大數據發展的根源和前提，誰該承擔主要責任去建設呢？醫療信息化系統重投入、輕產出的特性使得政府的投入至關重要，政府買單可能成為推動信息化建設進一步發展的最強動力。

而對於三級醫院來說，基礎設施建設水平已不成問題，大數據滲透動力不足成為主要制約因素。醫院關注的核心問題是診療水平的提高，而現階段健康醫療大數據尚不能達到預期，因而發展優先順序不高。另一方面，由於種種原因，醫療機構之間也存在著嚴重的數據壁壘，數據共享流通意願不強，孤島效應必然阻礙健康醫療大數據的發展。這就好比，一個血液流通不暢的人，其身體健康狀況必然會受到影響。因此，技術創新和醫療衛生體制改革對於健康醫療大數據的基礎設施建設至關重要。

中游：關鍵環節缺失導致商業模式不通

儘管健康醫療領域數據規模龐大，然而要將「大量數據」真正轉化為有價值的「大數據」，依然面臨很多挑戰。健康醫療大數據作為大數據的分支，同時面臨「數據性」和「醫療性」痛點。規模巨大的臨床數據、行為健康數據、基因組數據、醫學管理數據等，以數字、文字、圖像等多種結構化和非結構化形式存在，加上部分醫療數據還存在一定程度的主觀性和不完整性，為數據解讀帶來了很大的困難。

資料來源：華夏幸福產業研究院

技術問題並非不可解決，但低投入產出比為大數據企業帶來了極大的壓力。筆者通過調研發現，大數據公司往往需要配備近百人的團隊，同時投入數千萬的資金，才能具備一定的健康醫療大數據處理能力。由於醫療行業准入門檻較高，健康醫療大數據想要實現突破必然離不開醫學界的深度參與，因此團隊需要匹配相當數量的醫學專家進行專業的數據標註和處理，才能實現在終端應用。例如專註於醫療影像人工智慧的推想科技，其團隊技術人員佔比高達80%，且為保證數據質量，聘請了大量醫生進行標註、審核，並對AI機器結果進行複核。而在現階段，大量人力物力的投入卻很難帶來可見的回報。因此，建立一個有正反饋的商業閉環成為推動產業發展的關鍵。位於產業鏈中游的技術型企業，作為端到端的橋樑，在對上游彙集來的健康醫療數據進行分析、處理和標準化後，可拆分打包應用到下游各場景，具有極大的商業化潛力。一套標準數據在經過重組後可實現多倍收益，從而形成具有正反饋效應的商業閉環。因此筆者認為能夠在大數據處理上具有突出性價比優勢的企業將具有極大的競爭力，而大數據處理能力依賴於影像識別、自然語義分析和深度學習等核心技術。

當然，大數據相關法律也需要完善，數據確權和數據安全等問題也需得到重視。舉例來說，A患者在B醫院就診期間產生的診療數據，是屬於A患者還是B醫院？B醫院如何安全合規的將診療數據傳遞給C機構，同時保障A患者的個人隱私不受侵害？目前的法律體系尚不能回答以上問題。堪稱「史上最嚴」數據安全保護法案—歐盟《通用數據保護條例》的「防+罰」方案對我國相關法律的制定具有一定的參考意義。

下游：商業價值開始得到認可，葯企可能成為突破口

健康醫療大數據產業鏈下游應用場景可分為B端和C端，B端包括醫院、葯企和保險公司等，C端指健康人和患者等個體。從整個大數據的發展來看，B端往往較快獲得突破。健康醫療大數據也展現出類似的趨勢。相比於盈利模式尚不清晰的其他應用埠，從醫院到葯企的B2B模式發展最快。一方面，葯企通過與醫院合作，可以相對容易的獲取數據；另一方面，通過向大數據公司購買服務，對醫療數據進行加工處理，可以用於預估目標藥物的市場規模，精準把握市場變動，進而指導藥物研發及銷售的方向和進度。此外，大數據還可協助高效篩選目標藥物，實現降本增效。此類購買行為甚至可能演變為收購。今年2月份，瑞士製藥巨頭羅氏斥資19億美元收購腫瘤大數據公司Flatiron Health，以協助其進行創新腫瘤治療方案和治療藥物的開發。該筆收購案的發生說明產業界開始認可醫療大數據的商業價值，未來可能會出現更多圍繞醫療大數據的交易和合作。而隨著健康醫療大數據體系的完善，臨床決策輔助、藥物研發支持和精準醫療等將成為市場空間最廣闊的應用埠。

資料來源：華夏幸福產業研究院

醫療，由於其較高的技術准入門檻、龐大的數據量和繁雜的數據結構及體制現狀，成為大數據應用中難度最高的領域之一。此外，尚不清晰的商業模式和尚不完善的法律保障，也使得新興技術與健康醫療的結合路途坎坷。目前健康醫療大數據產業分工不清，下游應用端企業為了拿到數據，往往需要兼顧中游、上游的業務，逐漸演變成 「誰能拿到數據，誰就有競爭力」。正是為了打破這種奇怪的競爭局面和數據孤島等問題，國家近年來才逐步推進了包括「1+X+7」在內的多項試點工程，允許犯錯，鼓勵大膽嘗試，盡最大可能提高產業效率，並逐漸完善產業鏈條各環節的職能，形成專業化的分工和盈利能力。隨著數據端的放開與互通，人工智慧在醫療上的應用技術將會升級，技術和模式的完善將有望倒逼醫療系統的改革。在這個過程中，深耕技術的企業將會成為產業發展中最閃亮的明星。

注釋：

1.健康醫療大數據「國家隊」三大集團：中國健康醫療大數據產業發展集團公司、中國健康醫療大數據科技發展集團公司、中國健康醫療大數據股份有限公司

2.「1+7+X」總體規劃：建設一個國家數據中心，七個區域中心，並結合各地實際情況，建設若干個應用發展中心。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！