医疗数据共享的未来趋势研判

医疗数据共享的未来趋势研判演讲人CONTENTS医疗数据共享的未来趋势研判技术驱动：从“数据互通”到“智能融合”的模式革新政策规范：从“原则性倡导”到“精细化落地”的制度保障应用场景：从“临床诊疗”到“全周期健康”的价值延伸伦理与安全：从“事后补救”到“全流程防护”的底线思维生态协同：从“机构主导”到“多元共治”的生态重构目录01医疗数据共享的未来趋势研判医疗数据共享的未来趋势研判作为深耕医疗信息化领域十余年的从业者，我亲历了从电子病历普及到区域医疗平台建设的全过程，也深刻体会过数据“孤岛”带来的困境——曾有一位患者因转院重复做三次心脏CT，只因前两家医院的影像系统无法互通；也曾在多中心临床研究中，因数据标准不统一导致近30%的原始数据需要清洗重构。这些经历让我深刻意识到：医疗数据共享已不再是“选择题”，而是关乎诊疗效率、科研创新、公共卫生的“必答题”。当前，随着技术迭代、政策完善、需求升级，医疗数据共享正从“碎片化探索”向“系统性协同”演进。本文将从技术驱动、政策规范、应用场景、伦理安全、生态协同五个维度，研判其未来趋势，为行业提供参考。02技术驱动：从“数据互通”到“智能融合”的模式革新技术驱动：从“数据互通”到“智能融合”的模式革新技术是医疗数据共享的底层支撑。过去十年，我们解决了“能不能连”的问题（如接口标准化、区域平台搭建）；未来十年，核心将是“如何用得更好”——通过人工智能、区块链、云计算等技术的深度融合，让数据共享从“简单聚合”走向“智能赋能”，实现数据价值的最大化释放。1.1人工智能与大数据技术：破解“数据质量”与“价值挖掘”双重难题医疗数据共享的首要痛点是“数据脏乱差”：不同系统间的数据格式（如DICOM、HL7）、编码标准（如ICD-11、SNOMEDCT）、语义理解存在差异，导致数据可用性不足。人工智能技术正通过“智能清洗+语义标准化+深度分析”三步走，破解这一难题。技术驱动：从“数据互通”到“智能融合”的模式革新-智能清洗与标注：传统数据清洗依赖人工规则，耗时耗力且易出错。例如，某三甲医院曾需5名数据专员耗时3个月清洗10万份电子病历，且错误率达8%。如今，基于NLP（自然语言处理）的模型可自动识别病历中的关键信息（如诊断、用药、手术），通过上下文理解纠正逻辑错误（如“患者无糖尿病史，但医嘱显示使用胰岛素”），清洗效率提升10倍以上，错误率降至1%以下。-语义互操作：不同医院对“心肌梗死”的记录可能包含“急性心梗”“AMI”“心梗”等表述，AI通过医学知识图谱（如UnifiedMedicalLanguageSystem）将异构术语映射到统一编码，实现“同义词归一”。例如，北京某区域医疗平台接入23家医院后，通过语义标准化使“高血压”相关数据的检索召回率从65%提升至92%。技术驱动：从“数据互通”到“智能融合”的模式革新-深度价值挖掘：共享数据的核心价值在于“超越单点数据”的洞察。AI模型可融合多源数据（电子病历、影像、基因、可穿戴设备），构建疾病预测、个性化治疗决策支持系统。例如，某肿瘤医院联合5家中心共享1.2万例肺癌患者的影像与病理数据，训练出的AI模型对早期肺结节的检出敏感度达96.3%，较人工阅片提升12个百分点，且能预测不同靶向药物的响应概率。2区块链技术：构建“隐私保护”与“可信共享”的信任机制医疗数据的敏感性（涉及个人隐私）与共享需求（如科研、转诊）之间存在天然矛盾。传统中心化存储模式存在“单点泄露风险”，而区块链通过“去中心化+加密技术+智能合约”，实现“数据可用不可见、用途可控可追溯”。-去中心化数据存储：原始数据仍存储在医疗机构本地，仅将数据的“哈希值”（唯一标识）上链，既确保数据真实（哈希值篡改可被立即发现），又避免原始数据集中存储的风险。例如，长三角医学影像共享平台采用区块链技术，接入120家医院的影像数据，患者授权后，医院A可调取医院B的影像，原始数据始终不离开医院B的服务器，安全性显著提升。2区块链技术：构建“隐私保护”与“可信共享”的信任机制-智能合约自动化授权：通过智能合约将“数据使用规则”代码化（如“仅用于某项研究，使用期限3个月，禁止二次分享”），满足条件时自动执行授权流程，减少人工审批的繁琐与灰色地带。某药企利用该技术与30家医院合作开展新药临床研究，数据授权周期从平均15天缩短至3天，且未发生一例数据滥用投诉。-全流程追溯与审计：区块链的不可篡改特性可记录数据访问的“全生命周期”（谁在何时、以何种目的、访问了哪些数据），一旦出现数据泄露，可通过链上日志快速定位责任人。例如，某省健康医疗大数据平台上线区块链追溯系统后，数据安全事件响应时间从72小时降至2小时，追溯准确率达100%。2区块链技术：构建“隐私保护”与“可信共享”的信任机制1.3云计算与边缘计算：实现“集中统筹”与“实时响应”的协同优化医疗数据共享对算力与网络提出极高要求：一方面，科研需要集中处理海量数据（如百万级基因组数据）；另一方面，临床急救需要毫秒级的数据响应（如急诊患者的既往病史调取）。云计算与边缘计算的协同，正成为破解“算力瓶颈”与“实时性矛盾”的关键。-云计算：集中式数据湖与算力中台：通过构建区域级或国家级的医疗数据云，实现多源数据的集中存储与统一分析。例如，国家健康医疗大数据中心（北方）依托公有云+私有云混合架构，存储了全国3亿居民的健康数据，提供“算力租赁+算法服务”，中小医院无需自建超算中心即可开展科研分析，成本降低80%。2区块链技术：构建“隐私保护”与“可信共享”的信任机制-边缘计算：临床场景的实时响应：在急救车、手术室等场景，通过边缘计算节点（如车载服务器、手术室本地服务器）处理实时数据（如监护仪、可穿戴设备数据），无需上传云端即可完成分析与预警。例如，某急救中心在救护车上部署边缘计算设备，患者上车的3分钟内，系统自动调取其既往病史、过敏史，并实时传输至接收医院急诊科，使急性心梗患者的“进门-球囊扩张时间”（D-to-B）从平均90分钟缩短至65分钟。03政策规范：从“原则性倡导”到“精细化落地”的制度保障政策规范：从“原则性倡导”到“精细化落地”的制度保障技术为医疗数据共享提供“可能性”，政策则确保其“合规性”与“可持续性”。我国医疗数据共享政策经历了从“鼓励探索”到“立法规范”的演进：2016年《关于促进和规范健康医疗大数据应用发展的指导意见》首次提出“数据共享”；2021年《数据安全法》《个人信息保护法》实施，明确数据处理的“安全底线”；2022年“十四五”全民健康信息化规划要求“到2025年，实现各级全民健康信息平台互联互通”。未来，政策将向“精细化、场景化、国际化”延伸，为数据共享构建“有边界、有活力、有秩序”的制度环境。1政策框架：从“分散管理”到“协同治理”的系统构建当前，医疗数据管理存在“九龙治水”现象：卫健部门管临床数据，药监部门管医疗器械数据，医保部门管结算数据，网信部门管数据安全，导致政策交叉或空白。未来，政策框架将向“统一领导、分工负责、协同治理”演进。-国家层面统筹立法：预计2025年前出台《健康医疗数据管理条例》，明确数据分类分级（如敏感数据、一般数据）、数据权属（国家、机构、个人）、共享规则（政府共享、商业共享、个人授权共享），解决“谁有权共享、共享什么、如何共享”的核心问题。例如，条例可能明确“基因数据、精神健康数据属于敏感数据，仅能用于公共卫生服务或本人授权的科研，禁止商业开发”。1政策框架：从“分散管理”到“协同治理”的系统构建-地方层面细则配套：各省将结合区域特点出台实施细则，如长三角、粤港澳大湾区等区域可能制定“跨省数据共享负面清单”，明确禁止共享的数据类型与共享条件，推动区域一体化。例如，某省拟规定“三级医院间共享非敏感数据无需额外审批，二级医院需经市级平台备案”，简化基层机构共享流程。-行业自律与标准统一：行业协会将推动数据元标准（如《电子病历数据元与标准值集》）、接口标准（如HL7FHIRR5）、安全标准的落地，解决“互认难”问题。例如，中国卫生信息与健康医疗大数据学会正在制定“医疗数据质量评价标准”，从完整性、准确性、一致性、时效性四个维度评估数据质量，为共享提供“准入门槛”。2数据确权与利益分配：破解“不愿共享”的利益困局医疗机构“不愿共享”的核心原因是“投入产出不匹配”：投入大量人力物力建设数据系统，但共享后难以获得相应回报，甚至可能面临患者流失、商业竞争等风险。未来，政策将通过“确权机制+利益分配”设计，让共享方“有所得”。-数据产权“三权分置”：借鉴农村土地“三权分置”经验，将数据产权分为“所有权（国家或集体）、使用权（机构或个人）、收益权（共享方）”。例如，医疗机构对其采集的数据拥有“使用权”，通过共享获得“收益权”；国家保留“所有权”，用于公共卫生等公共利益。-收益分配“多元激励”：建立“政府补贴+市场交易+荣誉激励”的分配机制。政府方面，对积极参与共享的医疗机构给予财政补贴（如按共享数据量、质量拨付专项经费）；市场方面，允许医疗机构通过数据交易所将“脱敏数据”出售给企业，所得收益按“机构70%、患者30%”分配（患者通过个人账户获得收益）；荣誉方面，将数据共享纳入医院评级、绩效考核指标，提升机构共享动力。2数据确权与利益分配：破解“不愿共享”的利益困局-反垄断与公平竞争：针对平台型企业利用数据垄断优势“压榨医疗机构”的行为，政策将明确“数据不得用于排他性竞争”。例如，某互联网医疗平台若要求合作医院“独家授权数据”，可能面临反垄断调查；药企通过数据共享获得的疾病模型，不得拒绝其他企业使用（需支付合理费用）。3跨境数据流动：从“严格管制”到“安全可控”的开放探索随着国际医疗合作（如多中心临床研究、全球疾病防控）的深入，跨境数据流动需求激增。但我国《数据安全法》规定“重要数据、核心数据出境需通过安全评估”，导致跨境研究周期长、成本高。未来，政策将在“安全可控”前提下，探索“分类管理、白名单制度”的跨境流动模式。-数据分类分级出境：将健康数据分为“一般数据（如门诊人次、病种分布）、重要数据（如特定人群的流行病学数据）、核心数据（如基因数据、传染病患者身份信息）”，一般数据出境无需审批，重要数据需通过省级网信部门评估，核心数据需通过国家评估。-国际互认与标准对接：推动与欧盟、美国、东南亚等国家和地区的“数据保护标准互认”，减少重复评估。例如，中欧正在商议“健康数据跨境流动白名单”，符合GDPR标准的中国数据可自由流入欧盟，反之亦然，降低跨国企业合规成本。3跨境数据流动：从“严格管制”到“安全可控”的开放探索-“数据本地化+国际访问”模式：要求核心数据必须存储在国内服务器，但允许境外机构通过“远程访问”方式使用（如通过VPN连接国家健康医疗大数据中心），数据不跨境流动。例如，某国际药企研究中国人群的罕见病数据，无需将数据传输至海外，而是通过国家平台提供的“国际访问通道”在线分析，结果加密后回传。04应用场景：从“临床诊疗”到“全周期健康”的价值延伸应用场景：从“临床诊疗”到“全周期健康”的价值延伸医疗数据共享的终极目标是“以患者为中心”，推动医疗模式从“疾病治疗”向“健康维护”转变。随着数据质量提升、技术成熟，共享场景正从“院内诊疗”向“预防、诊断、治疗、康复、管理”全周期延伸，覆盖个体、群体、公共卫生多个层面，释放“数据即健康”的价值。1临床诊疗：从“经验驱动”到“数据驱动”的精准决策临床诊疗是医疗数据共享最直接的应用场景，通过整合患者全生命周期数据（病史、影像、检验、用药、手术记录），打破“信息孤岛”，实现“精准诊断、合理治疗、安全用药”。-辅助诊断：提升疾病检出率与准确率：共享多中心数据可训练更鲁棒的AI诊断模型，尤其对罕见病、早期疾病效果显著。例如，某神经内科中心联合15家医院共享2000例罕见病患者数据，训练出的AI模型对“朊病毒病”的诊断准确率达89.7%，较单一医院数据提升25个百分点，缩短了确诊时间（从平均8周降至2周）。-治疗方案优化：个体化医疗的基石：通过分析相似患者的治疗反应数据，为当前患者制定最优方案。例如，乳腺癌患者可通过“精准医疗平台”调取全球10万例HER2阳性患者的治疗数据（包括化疗、靶向药、免疫治疗的疗效与副作用），结合自身基因检测结果，选择“生存率最高、副作用最小”的治疗方案。1临床诊疗：从“经验驱动”到“数据驱动”的精准决策-用药安全：减少不良反应与重复用药：共享电子病历与处方数据，可实时监测药物相互作用。例如，某医院上线“智能审方系统”，接入区域内20家医院的处方数据后，对“华法林+抗生素”等相互作用风险高的处方拦截率提升40%，老年患者的药物不良反应发生率下降28%。2公共卫生：从“被动响应”到“主动预警”的防控升级传统公共卫生依赖“被动报告”（如医院上报传染病病例），存在滞后性；医疗数据共享可实现“主动监测、实时预警”，为疫情防控、慢性病管理、健康政策制定提供数据支撑。-传染病预警：早发现、早干预：通过整合医院门诊数据、药店销售数据、搜索引擎数据（如“发烧”“咳嗽”关键词），构建传染病早期预警模型。例如，新冠疫情期间，某省基于“发热门诊数据+药店退烧药销售数据”建立的预警系统，比传统疫情报告早7天发现局部聚集性疫情，为流调争取了宝贵时间。-慢性病管理：全周期干预降低负担：共享电子健康档案（EHR）、可穿戴设备数据，实现对高血压、糖尿病等慢性病的“动态监测-风险评估-精准干预”。例如，某社区医疗中心接入区域内5万例糖尿病患者数据，通过AI模型预测“高血糖并发症风险”（如视网膜病变、肾病），对高风险患者推送个性化干预建议（如调整用药、饮食指导），使患者并发症发生率下降35%，住院费用降低22%。2公共卫生：从“被动响应”到“主动预警”的防控升级-健康政策制定：数据支撑科学决策：通过分析人群健康数据（如疾病谱、危险因素分布），优化医疗资源配置与健康政策。例如，某市通过分析100万居民的健康数据发现，“中年男性肥胖+吸烟”是心脑血管疾病的主要危险因素，于是针对性开展“控烟+减重”社区干预项目，使该市心脑血管疾病发病率下降18%。3科研创新：从“小样本”到“大数据”的范式变革医疗科研正从“小样本、单中心”向“大样本、多中心、多组学”转变，数据共享为突破疾病机制、研发新药新技术提供“数据燃料”。-疾病机制研究：破解“未解之谜”：通过整合基因组、转录组、蛋白质组、临床表型组数据，揭示疾病发生发展的深层机制。例如，国际人类表型组计划（HPP）已整合全球50万例多组学数据，发现了200余个与阿尔茨海默病相关的新基因位点，为早期诊断提供了新靶点。-新药研发：缩短周期、降低成本：共享真实世界数据（RWD）可替代部分传统临床试验，加速药物研发。例如，某药企利用某区域医疗平台共享的10万例类风湿关节炎患者的真实世界数据，验证了某靶向药的有效性与安全性，将研发周期从10年缩短至6年，成本降低40%。3科研创新：从“小样本”到“大数据”的范式变革-医疗器械创新：临床需求驱动研发：通过分析临床数据中的“未被满足的需求”，指导医疗器械改进。例如，某企业通过分析5000例手术视频数据（来自共享的手术记录系统），发现传统手术器械在“狭小空间操作”时存在灵活性不足的问题，据此研发出“微型柔性手术机器人”，已获NMPA批准上市。3.4全周期健康管理：从“疾病管理”到“健康促进”的服务延伸医疗数据共享正推动健康管理从“被动治疗”向“主动预防”延伸，覆盖“健康-亚临床-疾病-康复”全周期，实现“人人享有健康”的目标。-健康风险评估：从“治已病”到“治未病”：通过整合个人健康数据（体检结果、生活方式、家族史），构建健康风险预测模型，对高风险人群进行早期干预。例如，某健康管理平台接入居民电子健康档案与可穿戴设备数据，对“高血压前期”人群推送“减重5%、限盐、运动”等个性化建议，使其进展为高血压的比例下降45%。3科研创新：从“小样本”到“大数据”的范式变革-康复管理：提升生活质量与功能恢复：共享康复数据（如运动轨迹、肌力、疼痛评分），实现“个性化康复方案”。例如，某康复医院与骨科医院共享数据，为关节置换患者制定“术前评估-术中指导-术后康复”全流程数据支持方案，使患者术后3个月行走恢复率提升60%。-居家养老与远程医疗：破解“最后一公里”难题：通过共享居家老人的健康数据（如血压、血糖、活动轨迹），结合远程医疗平台，实现“居家监测-云端预警-上门服务”。例如，某社区为2000名独居老人配备智能手环，数据实时上传至区域平台，当老人心率异常或长时间未活动时，系统自动通知社区医生上门查看，使独居老人突发疾病死亡率下降30%。05伦理与安全：从“事后补救”到“全流程防护”的底线思维伦理与安全：从“事后补救”到“全流程防护”的底线思维医疗数据涉及个人隐私与公共利益，共享过程中一旦发生泄露或滥用，将严重打击公众信任，阻碍行业发展。未来，伦理与安全将从“被动合规”转向“主动防御”，构建“技术+制度+教育”三位一体的防护体系，确保数据共享“不越线、不跑偏”。1隐私保护：从“匿名化”到“隐私计算”的技术升级传统匿名化（如去除姓名、身份证号）存在“再识别风险”（如通过年龄、性别、疾病组合反推个人身份）。隐私计算技术通过“数据可用不可见”，在保护隐私的前提下实现数据价值挖掘。-联邦学习：数据不动模型动：各机构在本地训练模型，仅共享模型参数（如梯度、权重），原始数据不离开本地。例如，某全国糖尿病研究项目采用联邦学习，整合31个省市的数据，训练出的预测模型准确率达89.2%，但未传输任何原始患者数据，从源头上杜绝隐私泄露。-安全多方计算：协同计算不泄露原始数据：多方通过密码学技术（如秘密共享、混淆电路）联合计算函数结果（如某地区糖尿病患病率），但无法获取彼此的原始数据。例如，某医保局与医院合作，通过安全多方计算统计“某药在不同医院的费用差异”，医院无需提供具体处方数据，医保局即可获得精准费用分析。1隐私保护：从“匿名化”到“隐私计算”的技术升级-差分隐私：查询结果不泄露个体信息：在数据集中添加“经过精心设计的噪声”，使查询结果无法反推单个个体信息。例如，某区域医疗平台在发布“某社区高血压患病率”时，采用差分隐私技术，即使攻击者掌握其他信息，也无法推断出“张三是否患有高血压”。2患者赋权：从“被动同意”到“主动参与”的权利保障患者是数据的“源头”，也是共享的“最终受益者”。未来，患者将从“不知情的被使用者”转变为“主动的决策者与参与者”，真正实现“我的数据我做主”。-动态授权与细粒度控制：打破“一次授权、终身有效”的传统模式，患者可通过APP实时查看数据使用情况（如“某药企于今日10:00调取您的血糖数据，用途为糖尿病药物研发”），并可随时撤销授权或限制使用范围（如“仅允许用于科研，禁止商业用途”）。例如，某健康医疗大数据平台上线“患者授权中心”，上线半年内，80%患者主动设置了数据使用限制，数据滥用投诉率下降70%。-个人健康数据账户：数据资产的“管家”：为每位患者建立“个人健康数据账户”，整合其所有健康数据（电子病历、体检报告、可穿戴设备数据），患者可自主管理、分享、交易数据。例如，患者可通过账户将自己的“运动数据”出售给某健身APP，获得收益；或在转诊时一键授权新医院调取历史数据，避免重复检查。2患者赋权：从“被动同意”到“主动参与”的权利保障-知情同意流程优化：从“冗长文本”到“通俗解读”：将复杂的知情同意书转化为“可视化、交互式”的说明（如动画演示数据流向、案例说明潜在风险），确保患者真正理解“共享什么、有何影响”。例如，某医院试点“知情同意助手”，通过AI将专业术语转化为通俗语言，患者理解度从52%提升至91%，授权意愿提高38%。3安全防护：从“单点防御”到“零信任”的体系构建传统安全防护依赖“边界防御”（如防火墙、VPN），但内部人员操作失误、外部黑客攻击仍可能导致数据泄露。未来，“零信任”架构将成为主流——默认“内外皆不可信”，每次访问均需“身份验证+权限管控+行为审计”。-身份认证：从“密码”到“多因素认证”：取消单一密码登录，采用“生物特征（指纹、人脸）+设备认证（手机、U盾）+行为分析（登录习惯、操作轨迹）”多因素认证，防止账号盗用。例如，某医院要求医生访问共享数据时，需“人脸识别+手机验证码+操作行为评估”，近一年未发生因账号被盗导致的数据泄露事件。-数据加密：从“传输加密”到“全生命周期加密”：对数据“存储、传输、使用”全流程加密，即使数据被窃取，无密钥也无法读取。例如，某区域平台采用“国密SM4算法”对静态数据加密，“TLS1.3协议”对传输数据加密，同时使用“密钥管理服务器”实现密钥动态更新，密钥泄露风险降低90%。3安全防护：从“单点防御”到“零信任”的体系构建-安全审计与应急响应：从“事后追溯”到“实时阻断”：通过AI实时监测数据访问行为（如短时间内大量下载、异常IP登录），发现风险立即阻断并告警。例如，某平台上线“智能监控系统”，自动识别“凌晨3点从境外IP下载10万条患者数据”等异常行为，平均响应时间从30分钟缩短至5分钟，成功阻止12起潜在数据泄露事件。06生态协同：从“机构主导”到“多元共治”的生态重构生态协同：从“机构主导”到“多元共治”的生态重构医疗数据共享不是单一机构的“独角戏”，而是政府、医疗机构、科技企业、患者、行业协会等多方参与的“大合唱”。未来，生态将从“医院主导、被动参与”向“多元主体、协同共治”转变，构建“数据通、业务通、服务通”的健康医疗新生态。5.1政府与医疗机构：从“管理-被管理”到“协同-服务”政府与医疗机构的关系将从“单纯的监管者与被监管者”转变为“服务者与合作伙伴”，政府搭平台、定规则，医疗机构供数据、用服务，形成“共建共享”良性循环。-政府主导建设“国家级-区域级-机构级”三级平台：国家级平台制定标准、统筹资源（如国家健康医疗大数据中心），区域级平台整合区域内数据（如省级全民健康信息平台），机构级平台接入医院数据（如医院HIS、EMR系统），形成“国家-省-市-县-机构”五级互联互通网络。例如，我国已建成5个国家健康医疗大数据中心，32个省级平台，覆盖90%以上的三级医院，初步实现“数据多跑路，群众少跑腿”。生态协同：从“机构主导”到“多元共治”的生态重构-医疗机构从“数据孤岛”到“共享节点”：医疗机构将不再“独占数据”，而是作为“共享节点”接入区域平台，同时享受平台提供的“数据分析、AI辅助、科研支持”等服务。例如，某县级医院接入省级平台后，可调用三甲医院的专家数据、科研数据，提升自身诊疗水平；同时，其积累的基层数据（如慢性病管理数据）反哺省级平台，形成“基层-上级-区域”的数据价值循环。5.2科技企业与医疗机构：从“技术供应商”到“生态共建者”科技企业（如互联网巨头、AI公司、区块链企业）将从“单纯提供技术产品”转变为“与医疗机构深度合作，共同开发场景化解决方案”，实现“技术-数据-业务”的深度融合。生态协同：从“机构主导”到“多元共治”的生态重构-“产学研用”协同创新：企业、高校、医院联合成立实验室，聚焦关键技术（如医疗AI、隐私计算）与场景应用（如辅助诊断、慢病管理）。例如，某科技公司与某医学院、三甲医院共建“智能诊疗联合实验室”，基于共享的10万份病历数据研发出“AI辅助诊断系统”，已在全国200家医院落地使用，诊断准确率提升20%。-“数据+技术”打包服务：企业不再单独销售软件或硬件，而是提供“数据标准+技术工具+运营服务”打包解决方案，帮助医疗机构快速实现数据共享与应用。例如，某云计算公司为某区域提供“医疗数据共享平台”，从数据清洗、标准化到平台搭建、运维提供全流程服务，使区域内医疗机构数据共享周期从18个月缩短至6个月。3患者与社会公众：从“旁观者”到“参与者”的角色转变患者与社会公众将从“医疗数据的被动客