中國的醫療數據開放程度有限，主要體現兩個方面：一是境內與境外的流通限制，二是醫院與醫院或醫院與公司之間流通的限制。
境內與境外的限制其實很簡單，這個各個國家都有相關規定，而且有的國家規定的更加嚴格，比如美國和歐洲。在醫院與醫院的流通限制方面，我國大部分的醫院數據都是獨立存在的，流通起來相對困難，更談不上共享和數據交叉應用及數據變現。
2017年以來，國家通過立法逐步規范和開放數據的使用，同時陸續建立各類數據應用平臺，通過國家力量和產業資本的結合，加快醫療數據的互聯互通和數據共享機制，為醫療大數據的應用帶來紅利。
第四，數據標準不統一
我國人口眾多，醫療數據豐富，但”數據大“不等于 “大數據“，臨床數據不夠統一和規范，不同地區、不同醫院之間的數據沒有建立起聯系，也沒有統一的標準，因此價值也得不到體現。
比如影像系統的數據標準問題，超過80%的醫療大數據為影像形式，但PACS系統的生產設備和數據標準是不一致的，數據交流存在諸多障礙。
第五，數據倫理有爭議
盡管AI在醫療行業取得了令人矚目的進展，但不可否認的是，AI的應用依然存在一系列的倫理問題，比如：AI造成了個人信息泄露，導致醫療事故，責任方是誰？AI的使用造成了醫療人員的失業，引發醫療產業結構的轉型，社會應該如何應對？諸如此類的問題很多，都需要行業從業者去面對和解決。
第六，數據成本代價高
所有基于AI的醫療技術，都是以”數據“為基礎的，目前AI醫療公司獲得數據的渠道分為三種：第一種，與醫院合作科研項目 第二種，從公開數據集下載數據，第三種，購買數據。
總體來說，AI公司獲取數據的成本主要在數據獲取和數據標注上，而且隨著模型訓練的逐步深入，數據吞吐量可能會是幾何級數增長，代價也會水漲船高。這對于AI公司的運營來看，將是一筆不小的負擔。
醫療新基建下，誰能把握主動權？
隨著行業發展，產品、用戶體驗及上下游產業協同的逐步完善，尤其在醫療新基建的建設浪潮推動下，服務于B端、G端的醫療大數據企業將迎來無限商機。
如影像識別、基因測序，在經過臨床驗證、臨床審批、付費目錄后，將在醫療大數據體系的建設中，進一步反推底層數據基礎的豐富和完善。
在此過程中，誰能夠率先突圍，將能把握更多的主動權。
目前，科亞醫療現有100多位研發人員，其中20多位海歸博士，多人曾在醫學影像全球知名企業北美研發中心擔任核心研發職務，在AI技術、影像分析及醫療大數據方面經驗豐富。強大的技術研發能力也是科亞在國內人工智能醫療成為頭部企業的根本。
據雷鋒網了解，科亞醫療現擁有4大中心(影像分析中心，生物實驗中心，臨床檢測中心，工程研發中心)，2個專項實驗室(人工智能實驗室、免疫治療實驗室)，能夠整合包括影像、病歷、病理、生化、免疫、分子診斷等多組學信息，并以此來保障未來醫療人工智能在多個臨床場景上的服務應用。
當然，隨著一家公司在行業里的優勢不斷鞏固，將盤子做大是一件非常正常的事情。
對于“是否會往醫療大數據產業的上游延伸”這個問題，科亞醫療表示，暫未考慮往上游延伸。
“科亞醫療的優勢在機器學習、醫學圖像分析、自然語言處理、基因信息分析等方面擁有核心技術，因此會聚焦在醫療大數據產業的中游，希望開發出更多、更好的人工智能醫療產品，為患者、醫療機構、生命科學研究機構提供精準醫療服務。”
800億的市場，大有可為
據前瞻產業研究院預計，到2020年我國健康醫療大數據行業規模將突破800億元。
從這次疫情之后，醫療大數據的研究與應用會被更多提上議事日程。電子病歷、智慧醫院、醫療AI、DRG等投入將進一步加大，醫聯體、基層醫療衛生服務體系等新模式建設也將成為建設重點。
如何利用AI、大數據、物聯網等技術，提升醫療機構診治水平、優化城市公衛體系的精細化管理能力，將成為地方政府與科技企業共同面對的一場大考。
找準自身定位，補足公共衛生治理體系方面現存的“短板”，醫療大數據產業的上下游企業將大有可為。
醫療新聞
新聞中心
