医疗健康数据如何资产化（五）数据需求与市场分析

一、政府部门数据需求与市场分析

1、群体健康水平发展结果评估。社会制度优越性、区域经济社会发展水平、健康中国建设阶段性成果等，均需要评估群体健康水平。基本医疗服务水平、基本公共卫生服务等考核评估，也需要改进现有年终抽查打分模式。区域群体健康水平发展结果评估依托日常医疗卫生服务积淀的服务数据进行汇聚分析，无疑有助于提高群体健康评估的客观性、准确性和评估效率。

根据各类考核评估指标体系编制评估模型，借助省级、市级、县级各医疗健康数据平台抽取数据自动评估，便可能收获当地政府部门的数据服务订单。

2、政府财政投入实施过程评估。国家财政收入投入医疗健康的供方和需方的比重逐年增加，但财政部门对健康相关部门资金使用成效的考核难以具体化。比如，医保基金管理成效、医改制度落实成效、高水平医院建设成效等，眼前只能用宏观指标替代，或由部门自评结果替代。面对日益增长的财政投入，百姓就医服务获得感、满足感却未同步。

如何发现不同步的具体症结，投钱方自行或借助第三方越过花钱方自评，直接运用医疗健康领域一线数据进行分析，值得探索。

3、政府财政投入项目投前评估。面对各地医疗服务强化基层与培育高端之间的矛盾，促进经济发达地区与扶持经济欠发达地区的矛盾，医疗机构补短板学科与强优势学科的矛盾等，政府财政投入常常被“喊的凶”的左右，凭经验、凭感觉决策项目资金投入，存在一定盲目性。

运用大数据手段分析，结合发展目标预测评估，评估成果作为政府财政投入决策的辅助依据，也能成为政府购买数据服务的项目。

二、医疗机构数据需求与市场分析

1、提高收入与降本增效。即便是公立医院，维持运行、持续发展也主要依赖诊疗服务收入。受医院设置考核制约，部分诊疗项目不得不设、钱不得不化。如何优化诊疗项目、增收节支？大数据分析有助于提高院长、科主任管理医院、管理科室水平。现代医院管理制度就是运用现代企业管理经验，促进运营管理精细化，成本管控到科室、到项次。

如何在医院之内评估各科室、各项目成本效益？如何在医院之间评估同级医院、同类医院成本效益？用大数据建立评估模型，可为医院、为部门提供评价手段。

2、临床科研创新需求。临床医师迫于生计成为“医匠”而不是“大师”，但职称晋级、行业地位又要求“大师”多出科研创新成果，多发高水平论文。临床接触的病症、检查、检验、药物治疗、非药物治疗、疾病诊断、治疗疗效、健康管理等，都有创新研究机会，但“医匠”没时间精力、知识面虽深却窄、缺乏分析工具。

面对“医匠”临床科研创新需求，专科化、定制化的大数据分析就有服务机会。

3、线上分级诊疗需求。病人盲目选医生带来的大医院“门庭若市”、小医院“门可罗雀”的局面，加剧了优医疗质资源短缺与浪费。如何让无序就诊变为有序导诊，实行了七年的线下分级诊疗制度远未发挥作用，究其原因，很重要的一个因素是医院借助信息不对称、不透明曲意迎合。

当各级各类医院、各级各科医生、各类各项诊疗技术的诊疗成本、诊疗预期，通过线上分级诊疗系统将大数据分析结果展示在病患眼前时，病人选医生自律性将提高，医生有序的选病人便容易为病患所接受。

三、相关企业数据需求与市场分析

1、药物生产评估。众多低效、副作用大的药物留存在市的重要原因，是药物小范围临床实验数据存在偏差，甚至是人为干预。而临床使用中纠偏的“四期临床实验（真实世界研究）”因费时费力难以取得数据而无法实现。

借助大数据分析，“四期临床实验（真实世界研究）”的药物评价成为可能。药品生产、药物监管、药品采购等都有可能成为付费买单方。

2、药品经营指导。药品销售、使用流向数据不仅是药品企业生产经营关注的重点，也是医药公司药品流通中降本增效关注的重点。现行的药品与医疗分属两个政府部门监管，业务割裂导致数据难以共享，药品生产经营方对药品最终流向只了解了大概。

汇聚、分析、反馈药品使用数据、疗效数据，提供药品生产经营期盼的基本数据与定制化服务，无疑是最容易获得付费意愿。

3、药品研发指导。新药研发是医药界永恒的方向，也是当前经济创新发展的热点。传统的广泛遴选、反复试验、持续验证的排除法、实证法远不能满足创新发展需要。

结合生物机理和病因分析，在补齐缺陷、拮抗病因上，依据蛋白组学、基因组学、化学基团等原理，运用大数据模型智能模拟分析，寻找新药有效成分，评估药物成效与副作用，无疑有助于缩短新药研发周期，提高新药研发成功率。

四、居民个人数据需求与市场分析

1、健康监测管理。身体健康和生命安全是享受生活的基础，老人、孕妇、儿童是健康照顾的重点对象。当前，医疗健康监测技术“简、小、易、准”应用趋势，医院“高大上”的精密仪器设备部分出现了家居版、运动版，医院繁杂又神秘的检验项目也因“快检、自检、送检”进入家庭。

个人健康数据需求在上述toG、toB市场外，衍生出新的toC市场。已有抢跑者入市，并跑出不菲成绩。

2、疾病监测预防。健康监测查看健康数据便安心，健康数据重复千万遍是目标；而疾病监测目标在找“病”、找“异常”，千万种异常数据出现的几率趋于零，极端严重的数据一次生命就结束了。因而疾病监测数据采集、分析难度远高于健康监测，凸显其专科专病专技的特殊性。

大数据汇聚分析发现疾病监测规律，疾病监测数据模型应用于预防，是疾病监测预防两大数据需求。

3、疾病康复服务。疾病发生、发展、预后是个完整过程，但“治已病”思维千年传承，根深蒂固，无论医疗资源供给还是医疗保障体系都留下深深的“治已病”烙印，疾病预后康健服务更需要患者及其家人自我管理。指导患者及其家人的手段和方法，便有赖于大数据为其提供针对性、个性化、动态化的数据支撑。

不同种类的骨折与术后康复模型、糖尿病并发症防复发模型、心脑血管梗后预防与康健模型等，大数据最有利于精准寻找对象并提供服务。

打赏