第一节　数字健康的机遇与挑战

一、医疗健康行业的发展现状

（一）数字经济发展大潮

21世纪初，在互联网继续发展的同时，ABCDI，即人工智能（artificial intelligence）、区块链（blockchain）、云计算（cloud computing）、大数据（big data）、物联网（internet of things）等新一代信息技术纷纷进入商业应用阶段。一、二、三产业迅速将互联网和ABCDI数字技术应用于生产和经营。学界和业界逐渐将互联网和ABCDI等新一代信息技术与经济深度融合的产物视为数字经济［1］。数字经济事关国家发展大局，是把握新一轮科技革命和产业变革新机遇的战略选择。在国家战略中，数字经济发展速度之快、辐射范围之广、影响程度之深前所未有，正在成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。2021年，我国数字经济占GDP比重达39%，是世界范围内数字经济增速较快的国家之一［2］。

在数字经济的发展路线中，可分为数字产业化和产业数字化。数字经济发展的创新驱动力来自数字产业化，规模化价值则来自产业数字化。据2020年数据显示，在中国数字经济体中数字产业化占比为19%，而产业数字化占比高达81%［2］。

1.数字产业化

数字技术驱动产业发展。当前，全球正加速进入科技革命跃迁、经济范式转换和生产要素重置的重要变革期。数字科技对各行业具有极强的交叉融合特征和支撑赋能作用，可在医疗健康，科学大设施、大装置、大装备等重大国家战略中发挥更大作用。其中，用云量成为数字经济发展活力的重要指标，国内用云量前10的省（区、市）基本与数字经济发展排名一致。

2.产业数字化

业务深度融入数字技术。2022年国务院印发的《“十四五”数字经济发展规划》指出，数字经济是以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态。规划的指导思想为，以数据为关键要素，以数字技术与实体经济深度融合为主线。同时，近期国家在部署建设全国统一大市场，提出建立统一的技术和数据市场，尤其是数据要素市场在促进数据资源开发利用中的重大作用，挖掘数字经济的新动能。

新一代信息技术近年来发展加速，发展模式突出自主可控与引进利用的两翼驱动。受技术、政策、市场的共同驱动，数字科技已然成为各行业转型发展的新动能，数字化转型已跃升为各行业转型发展的主流。在中国GDP中仍有61%的产业数字经济渗透空间，是巨大的蓝海市场［2］。

在产业数字化中，核心是转变思路，将传统观念中把数据和分析当成一种IT的技术和能力转变为战略上归结的行业业务能力，实现一切业务数据化和一切数据业务化。一切业务数据化是为了活在当下，一切数据业务化是为了发展未来。应成体系地将物理现实中的业务运营和分析都映射到数字世界中的数据、流程和模型，建设贴合行业特色的、以数据为中心的自适应领域型人工智能，贯穿数据的建设、管理、分享、利用和AI模型的建设和运营全过程，从而通过数据分析实现业务价值变现，通过数据分析助力企业韧性发展，优化学科建设、技术选型、运营管理、人才培养等，作出更多符合当下和长远业务情景的决策，提供源源不断的创新源泉，从而加速数字化转型的进程。

在数字化转型过程中，建设的三大技术内核为连接、数据和智能［2］。连接包括网络、信息基础设施和信息系统业务流程协同，实现人与人、人与物、物与物之间广泛且在线的连接、共享、协同。在连接的助力下，内外部数据边界消融，为AI模型和算法提供丰富营养。智能是基于知识和数据驱动，依赖可信依据而非依赖直觉的自动化、智能化的循证医学和业务决策体系。

显然，在千行百业的发展中，深度融入新一代信息技术实现数字化转型，潜力巨大、价值斐然。当前，我国数字经济正转向深化应用、规范发展、普惠共享的新阶段。国内同行认为，未来数字经济有六大融合趋势，即多源数据融合、全栈技术融合、复杂场景融合、全链生态融合、数字产业融合、生产消费融合。

（二）生命科学和生物技术学科发展现状

生命科学在近150年的发展过程中，大约每半个世纪出现一次地标性突破，并形成三个发展阶段。环环相扣的三轮生命科学革命，其标志是生命科学研究范式发生的深刻变化，从生物表观，到生命过程，再到系统生物学运用，广泛影响着生命科学研究的各个领域，极大地影响了人类健康和经济社会发展。研究从定性描述向动态、精准和定量解读演变；科学数据共享，成为学界普遍遵循的规则；合成生物学与人工智能兴起，结合工程学理念和自动化技术，对生物体进行再设计与合成，为科学研究提供了新的范式［3］。

（三）医疗健康行业发展现状

1.组织机构

主要由国家卫生健康委员会、国家疾病预防控制局、国家医疗保障局等政府相关机构履行行业政策制定、监督执法等职能，医学院校、科研院所、咨询机构提供相关人才、教育的支撑及政策、技术服务咨询等工作。其中，国家卫生健康委员会作为核心机构，承担着居民个人、公共群体的医疗诊疗与防治的政策制定、监督等职能，并指导所属医疗卫生机构开展医疗健康业务（图2-1）。

2.业务发展

（1）行业愿景目标：

医疗健康终极目标是维护和促进个人及群体的健康，实现生产力要素中人才这第一资源的生产力的持续维护、促进和改善，其依托生命健康、生物医药等研究与医学健康临床实践，由医疗健康专业人员操作专业仪器设备、器械乃至人工智能软硬件平台，对患者开展医疗健康服务，是医疗服务、健康管理促进、健康保障多个领域综合作用的结果，涉及医疗、医药、医保、医械联动，遵循质量与安全、公平与效率、公益行业发展三个底线，是关系到国家经济社会发展的民生大事［4］。

（2）需求与发展形势：

从国内看，常态化疫情防控以及人口老龄化等对医疗健康行业高质量发展的需求日益迫切。从全球看，新冠疫情给世界各国的医疗系统造成了很大的冲击，前疫情时代的正常秩序已被破坏，医疗系统面临巨大挑战。综合来看，大量的临床研究推进医学的前沿发展，在临床治疗、科技创新方面带来了新的突破，也对医院管理模式创新提出了新的挑战，国际同行需要携手，建设人类命运共同体、卫生健康共同体是大势所趋。很多国家在适应各自国家经济社会发展的战略纲领下提出了相应的医疗健康战略发展目标，中国于2016年提出了《“健康中国2030”规划纲要》［5］。

（3）建设主体和痛点难点：

从医疗健康行业生态看，当前行业主体建设依然以医疗服务为主，落地在医疗健康机构建设上，并以医疗服务为主体，不断延展范围，实现从医院治病向治未病、预防、治疗、康复的健康维护一体化方向发展。发达国家已经实现医疗健康充足服务，但在发展中国家，医疗健康行业生态发展底子薄，对于行业生态的核心技术供给保障自主能力弱，高质量发展屡被卡脖子。同时，医疗服务资源总量不足和分布不均，多层次医疗保障体系、公共卫生应急响应与治理体系建设都在深水区改革路上，需要持续开展医疗健康领域的供给侧结构性改革，医疗、医保、医药融合协同发展压力巨大，同步解决看病难、看病贵问题阻碍重重［6］。

（4）行业建设条线：

从医疗健康行业开展的业务分析，条线多、门槛高、技术复杂、注重理论与实践结合，根据对国家、省（区、市）相关医疗健康行业的多个五年规划看，医疗健康领域业务包含大项10类，共46个事项。医疗健康领域10类业务包括：医疗服务资源格局、医药卫生体制改革、公共卫生体系、重点疾病防控、干预主要健康因素、保障人民全生命周期健康、中医药传承创新发展、健康服务业、健康优先发展保障体系、组织实施保障，全力支撑全民健康生活、健康服务、健康保障、健康环境、健康就医［7］。

3.业务发展现状

我国面临医疗资源总量、规模不足且分布不均，服务水平差异大，医疗服务供需缺口持续扩大，支付能力和结构不足的长期矛盾。在结构分布上马太效应明显，东部地区各种医疗资源明显多于中部、西部地区，需要国家顶层设计统筹发展，以分级诊疗、按疾病诊断相关分组（DRGs）付费/按病种分值（DIP）付费改革等三医联动的医改为抓手，推进优质高效医疗服务体系建设。在各级医疗卫生机构的信息化建设中，中级以上医院建设程度高、覆盖广，基层医疗机构最弱。公立医院高质量发展提出了四个60%的指标，即医疗服务收入占医疗收入比例、人员支出占业务支出比例、人员支出中固定薪酬占比、出院患者四级手术比例，但目前实现较好的医院约为30%，迫切需要医院从以整体、系统、协调的角度考虑，调整、优化结构，提档升级，实现医、教、研、防一体化的整合型医疗［6］。

4.数字健康相关产业现状

数字健康的建设是为配合医疗健康行业的政策、治理，融合基础层、技术层、应用层的新一代信息技术，以自动化、智能化、流程化、人性化匹配业务战略，深化行业发展的新动能建设，为内涵建设、外延扩展提供体系化的技术工具支撑和赋能。反过来，数字健康也引领行业业务战略向数据驱动、大数据方向发展，从而形成业务与信息技术双向促进，迭代演化的正向循环态势，是产业数字化、数字产业化的典范。全球数字健康市场规模约为4万亿美元，多年发展依然势头强劲。当前，欧美发达国家蹄疾步稳，将数字健康以及全国医疗行业的数字转型置于优先地位，不断完善产业生态，实现个性化精准医疗的完全整合。中国的数字健康市场约为千亿人民币规模，产业生态呈现：①高速发展但格局分散；②专业性强，沉积积累要求高，定制开发实施和售后服务要求高，区域特征明显；③用户规模大且复杂、交付周期长，核心竞争力是将先进架构和技术融合业务需求进行产品化落地的能力，即场景洞察、商业模式设计，整体解决方案是头部级竞争壁垒所在［8，9］。从行业市场份额分布看，医院与公共卫生信息化建设投入经费占比将逐渐优化，近年来公共卫生占比在稳步提升，突出公共卫生预防保健与医防结合的理念将得到社会进一步的全方位支持。

5.价值医疗是医疗健康行业发展的方向

从三医联动的角度看，国内医院将走向控制支出规模、压缩资源的高质量发展道路。医保基金作为最大支付方，在经济转向高质量增长、健康需求增长的现实前提下，将面临医保增长减速乃至此前一半公共卫生支出分摊医保总额的困境［10］。以数据驱动支付改革，实现精准付费，是以市场化手段实现多方利益的有力保障，医院将在薪酬收入、资源利用、诊疗方案、管理效率等方面更多支持数字技术和数据分析［6，10］。医保基金因量化精准、结算便捷高效等技术手段助益，在疾病质效管理中更主动地靠前提供服务；商业健康险等将找到用户数字画像下的更多赋能机会和精准赔付，助力多元化健康支付和社会贫富均衡；患者将降本增效；药械企业将更规范地进行研发和生产，临床价值关注更高，数字化营销更深入；医疗健康信息化企业将有更多数字技术切入机会以助力产业数字化；大健康行业机构将找到更多自身机会，实现数字化高效运营［11-14］（表2-1）。

价值医疗（value-based healthcare，VBHC）关注临床疗效/健康结果（health outcome）与相关医疗开支（cost to deliver the outcomes）之间的平衡，强调以患者为中心的全程的、整合的医疗照护模式，以及以价值为核心的支付模式升级。价值医疗近年来已经成为欧美发达国家政府和支付方推动医疗体系改革的关键词。一方面，医疗服务方和药械企业等医疗产业顺应潮流对其医护模式和产品价值进行了重新定义，通过多方合作来推动患者临床疗效和整体人群健康水平的提升，同时有效控制医疗开支的持续上涨。另一方面，研究和实践证明，价值医疗思路可以指导中低收入国家医疗体系的发展和改革，包括中国在内的发展中国家近年来也在政策环境、医疗体系和支付模式升级等方面取得了显著的进展。

价值医疗是以最低的成本获得最大的医疗价值，被卫生经济学家称为最高性价比的医疗。价值医疗提倡医院在治病救人的同时，最大程度地考虑患者的医疗费用、治疗效果和需求等，从而为患者提供高价值的服务，同时也将有利于医疗费用控制。

数字技术推动价值医疗成为一个系统的链条，推动包括从标准建立到技术应用、结果衡量和持续改进等一系列过程，具体包括：①服务质量和医疗效果等临床标准的建立，指导医疗体系的医疗服务供给；②通过建立数据和信息标准体系，完成医疗服务机构的信息化基础建设，以及形成相应的信息互联互通机制，打通数据孤岛；③通过信息和互联网技术，推动医疗服务机构的服务质量提升和医护模式升级；④对医疗效果和所需成本的系统化衡量，以及在系统衡量结果基础上的对标研究和持续改进。

二、数字健康的发展机遇

数字健康服务于行业本身，为医疗健康行业战略发展服务，提供数字原生技术（数字健康产业化）与产业数字化相关的技术平台和应用融合。数字健康发展机遇与医疗健康行业本身的发展机遇形成互相影响、相辅相成的关系。

（一）从基础设施角度看

云原生、未来网络、云与数据安全、量子计算、类脑计算、数据智能等领域的新变革有望重塑信息基础设施；计算、网络平台、终端、管道在微型、移动、智能化方面不断推进软件定义、持续推广应用并逐渐融合，人-网-物三元万物互联，造就一体化网络体验；分布计算架构在开发设计端越来越虚拟化、体系重用化，无服务器计算、容器、微服务等云原生技术叠加中台在业务、技术协同方面的方法论，将进一步促进医疗健康行业的业务流程和管理协同共享；类脑计算、量子计算与通信、元宇宙、脑机交互与接口等新兴的计算范式、计算平台、通信范式，将重塑医疗健康行业未来计算与网络的空间。

（二）从科研、技术、生产一体角度看

数字经济中重要的生产要素新发现、新挖掘的基础理论和技术创新，与信息技术的融合正迸发出强劲的跨界创新势能，拓展了医学健康等生命科学领域的边界，也加速了技术向医学健康各应用场景的渗透，将创造出更多新业态、新模式。网络化、平台化、生态化发展成为产业的新范式，生命组学、大数据技术、大队列为核心的精准医学成为生命科学研究的主要模式。计算能力、自动化、机器人和人工智能的快速发展正在改变生物医药、健康医疗行业的面貌。基于大数据的人工智能技术在改善人类健康方面具有巨大潜力，能提高诊断筛查的速度和准确性，有助于提高临床护理、药物研发的质量和效率，支持多种公共卫生干预措施，真实世界研究将持续高速增长。开放式、体系化的科技创新组织模式成为主流，学科间、科学与技术、科技与产业相互融合和转化更加迅速，合成生物学、纳米生物学、生物信息学、计算生物学、组织工程等学科领域不断崛起。

（三）从物理、数字世界的协同进化角度看

数字孪生、扩展现实（XR）将进一步联通融合虚实两个世界，创造全新的体验和数字生产力，驱动虚拟世界更真实、真实世界更丰富。全息数字人等数字孪生技术将在健康医疗大数据发展完善过程中得到不断发展，虚实结合中促进医疗健康行业数字化程度不断提升，进而驱动医疗健康行业的生产力、生产要素得到提升和优化配置。

（四）从数据要素发展看

“十三五”期间，我国数据要素市场规模快速上升，复合增速超过30%，2020年达到545亿元，预计在“十四五”期间这一数据将会达到1 749亿元。在数据要素供给、确权、开放共享、流通、交易等多个环节，相关法律法规等制度性措施有待完善；数据资源规模大，但数据质量参差不齐。健康医疗行业数据融合发展的潜力和机遇并存。

（五）从医疗健康行业发展的需求痛点看

医疗健康旨在维护、促进个人和群体健康，保障居民生理、心理和社会适应三方面状态良好。随着经济社会全面发展，我国居民人均预期寿命不断增长，健康保障意识不断提高，注重定期体检、保健，开展疾病早筛，并积极拥抱新一代数字技术带来的便捷高效，数字健康已成为数字经济中非常重要且关键的行业，尤其是健康医疗大数据已经成为国家战略资源。近年来，我国医疗技术手段得到不断提升，而心理健康、社会适应、生活方式等新问题日渐凸显，据最新调查研究显示，当前国内近2/3居民处于亚健康状态，18%的居民处于疾病状态，健康状态居民仅占15%，其中35～55岁人群处于亚健康高发期，而青少年的身心健康也面临着严峻挑战。突出的问题包括：人口老龄化带来慢性疾病困扰，发病率、病死率、致残率、疾病占比均处于高水平，居民对自身疾病的知晓率、治疗率、控制率低，呈现“四高三低”，这些问题是当前医疗支出和因病死亡的主要因素（2020年慢性疾病在支出费用和因病死亡中占比分别为70%和88.5%）；全球1/4人口罹患精神疾病、神经疾病，而国内抑郁障碍患者就诊率仅为9.5%，即便如此，其治疗费用占社会全部疾病负担的19%。疾病诊治和支出问题重重，掣肘之处诸多［14-16］。

医疗涉及社会和经济的各个方面，重点是利用训练有素的临床医生的知识、工具和技能来促进和改善患者的医疗服务，进而确保人们的健康。然而，当社会和技术发生变化，知识不断更新，革命性技术不断出现，所有医疗干系方都将扮演新角色时，临床医生将面临越来越大的压力和挑战，必须学习新的技能，调整思维和方法，从而以新的方式与同行和患者合作。数字科技在这方面起到了很大的帮助作用——数字工具进步让临床医生轻而易举地就能获得作出正确决策所需要的信息。有了大量的数据，临床医生可以用更加个性化的方法治疗患者，而精准医疗的出现将进一步推动这一趋势（图2-2）。

（六）从医疗健康行业运营与经营管理看

应对全球气候变暖，推动医疗系统碳达峰、碳中和，是当前社会可持续发展的必然选择，但当前全球的医疗系统碳排放量已排名世界第五，低碳医疗健康将成为主流。“无害医疗组织”发布的Health Care’s Climate Footprint显示，美国、中国、欧盟是全球医疗系统碳足迹的前三大贡献者，前十大医疗系统碳排放国家占全球卫生保健排放总量75%。当前中国现实的医疗需求决定其碳足迹将在短期内仍处于上行期，医疗系统碳减排面临较大压力，医疗健康产业稳健发展和低碳发展的矛盾将日渐突出。

（七）从医疗健康与新一代信息技术融合角度看

电子病历数据中非结构化文本的可用性不断提高，医疗健康数据的广度、深度、粒度正在以肉眼可见的速度快速增长；大脑感知觉、情绪、抉择、语言等各种高级认知功能背后的原理逐渐解密，助推新一代人工智能更强大、更经济、更自主［17］……医疗健康行业在新一代信息技术为主的技术驱动下，演化变革将越来越频繁、高效。

（八）从国家战略、行业政策角度看

技术赋能医疗碳中和，低碳生物与医疗数字化技术将得到突破与发展。中国直接医疗支出中个人占比高（2020年为46.5%），医保支出占比较低（2020年为48.9%），在公共卫生费用占比逐渐提高的严峻形势下，发挥商业保险、医保等多种社会支付手段的作用，有效提高减轻居民就医负担的能力，增强医保费用支出效能、医疗服务价格占比、商业健康险供给侧核心保障和需求分析挖掘能力，迫切需要数据驱动的方式在医疗保险需求和供应端做好结构性准确匹配，实现医保和商业保险融合新模式的发展。医疗健康组织机构和医疗服务从业人员必须全面履行《中华人民共和国数据安全法》（以下简称《数据安全法》）《中华人民共和国个人信息保护法》（以下简称《个人信息保护法》）《关键信息基础设施安全保护条例》等国家信息安全保护法规中规定的应尽职责；医保、医药、医疗三医联动全面医改，涵盖从监管到约束再到引导的多层次相关政策，以及公立医院绩效考核的硬性要求（图2-3）。

三、数字健康面临的挑战

医疗健康经过几十年的信息化建设，国内外很多领先型医疗健康机构积极拥抱ABCDI数字化技术，已经在内外部的业务功能、互联互通、协作共享方面取得了巨大进步，医疗、教学、科研、产业化结合日趋紧密，支持各种学科交叉融合，为医学健康基础理论与技术创新提供的数字基础设施、平台、应用和集成日渐丰富，但距离数字健康期望的，在各种生态、组织、场景、流程中实现高度类人自主智能、高效、低耗、数据驱动的全场景深度融合应用的差距甚远，面临艰巨的挑战。

数据洪流下，即物理世界充分数字化后，人工智能的作用将越来越大，人工智能不仅依赖于底层架构与数字基建的完善，也非常依赖于内容与场景的丰富程度，此时人工智能将替代或辅助人去发挥建设性作用，成为数字世界与现实世界双向赋能的核心生产要素［17］。当前的人工智能还属于弱人工智能，鲁棒性、可解释性弱，耗能高，处理数据的种类较为单一、有限，融合处理多模态信息的普适性框架和算法少见，尤其在处理文本等非结构化数据等用于开发预测模型方面，效果、质量和性能均未达到大规模商用的程度，前路依然漫长。在类脑计算等新一代人工智能发展方向上，受限于神经信息如何产生感知觉、情绪、抉择、语言等各种大脑高级认知功能的机制等基础理论未能突破，目前依然只能在部分识别感知模型改进等细分领域实现商用，成体系颠覆性模拟人脑智能实现自主决策的框架和算法依然在艰难探索。未来，持续探索可信和安全的人工智能技术，将成为AI普适化和工业化的重要保障。科学家正在探索一种能够将知识驱动和数据驱动相结合的有效方法，从而更好地发挥两者的优势，提升人工智能的鲁棒性和可解释性（图2-4）。