受邀参加了动脉网组织的中国医疗大数据与人工智能产业实践论坛，与业内专家、产业企业、投资界共同探讨了医疗大数据和人工智能的过往、当下和未来。
作为致力于数据智能的大数据企业、作为医疗大数据行业的初入者，感受颇多，印象最深的却是三个关键词“数据”、“商业”和“融合”。而站在过去和未来的分界线，我们要为这些关键词加上“有效”的期待。
“有效数据”
而在数据处理的演进路线上，至少在信息化技术基础上，我们已看到了数字化、数据化和知识化三段发展。从最早“结绳记事”、“算盘”，到“计算机辅助数字化”时代，我们早已完成了数据处理技术的升级，众多的应用系统不断的产生着数字，支撑着各个行业的业务。只是世界何其之大，我们在逐步穷尽这繁杂世界的同时，必然导致海量数字被产生，大数据正是数据化阶段最重要的技术手段，它将数字聚合在一起，按照主题赋予标签含义，并能够支撑上层应用挖掘数据价值，推动新的业务模式。当数据化不断累积，而人工智能技术通过深度学习进入第三个高潮后，知识将不再是我们自己的认知，而可以通过数据智能自我实现，帮助我们从未知到已知。
数据如此重要，伴随着数据处理能力的升级，也必然带来巨大的挑战，因为数据不等于有效数据，而有效数据才是我们从数字化、数据化、知识化一路向前的前提基础。
■ 有质量的数据。数据来源于信息化系统，而这些系统的数据往往缺失很多，也因操作者的原因不准确，更多的情况是标准不统一，这就导致数据除了保证原有信息化系统运转外，基本上无法被大数据和人工智能深度处理。数据治理一直都是“下水道”工作，不像上层应用那么光鲜，做不做并无人知道，所以整个医疗用户这部分脏活做的非常少，而站在产业高度去做这项工作的几乎没有，那么整个产业的美好明天又在哪里？
■ 有应用的数据。“数据资产不产生价值就是存货”这句话说的非常好，如果囤积了一堆数据而不建立应用能力，那么随着信息化的变革，新的应用替代旧有应用，以往的数据将被“遗忘”。所以，先别急着去垄断数据资源，而是要将数据资源如何应用考虑清楚，真正通过不断的应用来反向驱动数据资产的增加。
■ 有附加的数据。数据的附加在结构化数据里不存在问题，而非结构化数据则不然，没有标注附加的数据将很难有价值，无法被大数据挖掘产生价值，更无法通过机器学习形成认知。而这种非结构化数据的标注和结构化工作同样是一个极其艰巨的工作，因为一方面这些非结构化数据的数量人工是无法完成的，另一方面很多医学数据标注的专业性需要高水平的专家，我们必须有更先进的技术和创新的模式才能真正完成全局数据的附加。
“有效商业”
任何新技术的推而广之，伴随的一定是商业模式的不断清晰，而商业模式必须基于当前产业链的现状和未来产业链的可能做预见。就如同嘉宾所言，现在的大数据和人工智能的商业模式其实在互联网+的热潮里都曾经出现过，而大多数模式都失败了，不能仅仅换个帽子就把原先的故事再说一遍，成功率一定不高。
医疗行业是个缓慢的行业，大数据和人工智能的应用都将面临着三大挑战。一是医疗行业政策的不确定性，往往新模式会触及一些政策而被迫停止，例如医学伦理方面的要求；二是从业者关注的重点并不在信息化技术上，国内医疗关注的还是医学、政策、经营、治疗手段，大数据和人工智能作为辅助手段，往往成为论文、报道中的一抹亮色而已；三是技术支付的复杂，现在大家都考虑保险、药厂、器械厂家怎么来买单，就说明整个产业链条最重要的一环谁支付的问题没有解决，医院的技术支付现在分成了项目模式和数据模式。数据模式就是让厂商主动投入，用户支付极少的服务费用，厂商获得免费的数据，而数据的运营却不是那么容易覆盖厂商的成本的。
虽然医疗行业的投资热度让很多厂商都获得了巨额融资来支撑商业模式的探索，但如果不建立有效的商业最终一定无法将伟大的情怀落地，错过这一波浪潮的机会。
如何确认是有效的商业？我觉得还是要从产业链价值来考虑。
创造的产品、服务是否符合产业链的政策底线，是否可以帮助医疗产业链降低成本、提高效率？换回来的收入能否覆盖成本？
“有效融合”
在本次论坛上我看到的大数据基本上还是烟囱状的垂直融合，比如医疗影像资料的融合、设备器械管理的融合、医院管理数据的融合等等。这些数据融合确实有效果，可以为专业病种、内部管理提供众多帮助，而且可以将其成果应用到实际的应用中。但这种应用又将成为使用者环境中的一个新烟囱，我们已经有了很多传统信息化的烟囱，还要不断增加吗？所以，有效融合第一步是必须改变烟囱状的垂直融合，一定要结合使用单位的多元数据的融合，然后从下到上，以管理层级去做更大的数据能力融合，这样才能将融合价值与实际应用的不断迭代关联在一起。大数据应该成为医疗机构大数据平台、区域卫生大数据平台、国家大数据平台，而非某某影像数据平台。
我还发现很有意思的一个现象，所有的业内专家往往关心“数学模型”，所有的企业谈必称“平台”、“生态”，所有投资企业关心商业模式的成熟。这有点像团队成员在往不同的方向拉扯，让共同目标变得不那么清晰。虽然彼此在产业链上所处的位置不同，但产业链价值应该是共同的，大家有无站在其他的成员来看待自己的诉求？有效的融合第二步是产业上下游的融合，不知道有没有领头者可以研究完医疗信息化产业链全链条后，还可以端到端的进行整合，以产业价值创造为共同目标去打造融合生态。
大数据有个核心思想就是把低密度价值的数据通过聚合产生有价值的认知，我相信医疗行业的数据量再大，一旦和全社会数据集比就会显得不那么大，虽然其他行业的数据对于医疗的价值不那么明显，但往往能产生意想不到巨大的潜在价值。比如餐饮数据是否就可以和个体疾病联系在一起？环境数据是否对区域健康有所启示？有效的融合最后一步就是跨界的融合，当我们把其他产业的数据和医疗行业数据放在一起的时候，一定可以产生巨大的势能，推动医疗卫生行业的革命。即便短期有困难，起码我们可以慢慢尝试，先从互联网上公开的海量数据开始。
正如本次主题是医疗行业大数据和人工智能的“破晓”一样，DATATOM医疗行业也正处于“黎明”，我们已经开始尝试、探索，看着前方昭示的美好，必须坚定数据智能赋能的初心，做最大公约数的连接，为产业链创造价值。如同在媒体、公共安全和城市治理领域成功一样，我们一定要看到那条必然的道路。
通过工具平台能力的不断完善和苦累脏活的不弃，降低基础工作的复杂度和成本，帮助用户实现有效数据能力的提升。
帮助合作伙伴从医院效能提升、区域医疗分析、个人精准健康这样清晰的项目商业场景向未来医院、医疗辅助、诊疗创新、基因数据、药品研发的创新商业场景不断演进。
打开边界，帮助医疗产业和外部产业融合，提供医疗大数据和人工智能可供参考的技术、数据、模型、场景，以落地为目标，创造产业链价值。
