北方医疗大数据中心业务覆盖“健康医疗大数据”“智慧健康医疗”“健康医疗产业 园”等板块，开展医疗大数据基础设施、平台和应用的建设运营， 提供公共卫生、保险创新、 精准医疗、互联网医院、医药研发、健康管理等多种数据服务。 该医疗大数据中心采用“一湖三台”的整体技术架构，形成数据湖、数据中台、业 务中台和开放平台的能力体系，以构建统一高效、安全可靠的大数据平台，支撑健康医疗 大数据的汇聚、治理、存储、处理、应用等，实现数据开放融合、实时计算和业务实时决 策。系统最初采用 Hadoop 和 MySQL 作为数据存储系统、Hive 作为离线数据查询引擎、 ClickHouse 作为实时数据查询和分析引擎，该方案在跨平台灵活访问、高性能实时计算、 安全运维等方面面临挑战。

新药研发的整个周期包括候选药物研发、临床前实验、临床试验和批准上市，其中候 选药物研发阶段包括药物靶点的选择与确认、候选化合物的选定等。在候选药物研发阶段 可以通过人工智能的算法提高准确性，然而高质量的药物数据集是人工智能算法辅助药物 发现的基础。 目前存在的问题，一是数据流通不畅、资源分散，关键药物数据被隔离在不同的平台中， 缺乏集中管理和整合，导致信息共享困难。二是标准不统一，不同来源的数据标准不一致， 增加了数据处理和分析的复杂性。三是研发效率受限，在数据获取、处理和分析上耗费大 量的时间和资源，使新药研发成本增加，影响了新药研发的效率。

《中国心血管病报告 2018》推算我国冠心病现患人数约 1100 万，且高危人群众多、 患病年龄趋于年轻化。然而，传统体检中往往进行低效、碎片化、流水线式的体检，对冠 心病等重大疾病的早发现有所欠缺。另外，医院体检中心体检及健康服务尚未普遍应用人 工智能手段，加之人手缺乏，筛查与健康服务两相割裂，导致全区的冠心病等重大疾病早 筛缺乏适宜手段，数据难以统计，亟需从顶层设计出发，搭建针对重大疾病早筛查、早干 预的防控体系。

根据“十四五”规划规划纲要要求，2021-2025 年期间需要“建立健全国家公共数据资源体系， 确保公共数据安全，推进数据跨部门、跨层级、跨地区汇聚融合和深度利用”。朝阳区卫 健委现有业务应用系统的复杂结构和数据应用系统的分散结构造成数据资源管理的极大困 难：一是系统之间数据冗余严重，数据存储格式不一致，存在大量数据冗余，浪费存储资 源，冗余数据的一致性和有效性无法验证。二是区域平台与数据中心的数据质量不透明， 平台没有提供数据质控工具，数据可信度和数据价值堪忧。三是， 数据资产缺乏管理工具， 缺乏对数据情况进行统一可视化管理的平台，对于数据的详细目录、存储位置、提取方法、 数据质量、数据使用等情况无法做到及时了解。四是，现有系统技术架构陈旧，传统架构 对于后续扩展的成本和复杂性都较大，造成数据割裂，数据有效性和一致性不能得到保障。

北京市预约挂号统一平台（原 114 挂号平台，以下简称：挂号平台）由北京联通承建 运营，提供 270 余家医院的预约挂号服务，覆盖全市重点三级医院，并提供检验、检查报 告查询等功能，为群众提供更便捷、更优质的诊疗服务。 为保障群众就医，维护医疗秩序，挂号平台坚持攻防结合、线上线下联动，聚焦重点 医院、重点科室、重点号源、重点时期，开展防范打击医院 " 电子黄牛 " 专项行动，最大 限度保障号源分配公平性。鉴于当前挂号平台识别疑似电子黄牛准确率较低，仅为 25%， 为提升系统防范“电子黄牛”能力，平台计划通过专项行动，将疑似电子黄牛识别准确率 需提升至 80%。

从中医系统观出发完善和补充现代心血管疾病诊疗和防治体系的短板，是未来心血管 医学发展的新方向。 在真实世界的健康数据中， 中医数据和西医数据都有其独特的价值和作用。中医数据 可以帮助医生了解病人的整体状况和个体差异，为个体化治疗提供依据；而西医数据则可 以提供更客观、准确的疾病信息和诊断依据，为疾病的预防和治疗提供有力支持。 中西医数据难以融合是此案例解决的主要堵点和卡点。 为充分利用这些数据，我们利用现代生命科学、系统科学、计算机技术和中医理论， 通过制定统一的数据标准和规范、实现中西医数据的融合和利用，建立一套既适用于日常 生活也适用于临床诊疗的中西医结合心血管健康评价体系。实现在真实世界中的健康状态 动态监测，及时预警发生心血管事件的风险。

在建设健康中国中，细粒度食物识别技术在医疗健康领域发挥着重要作用，通过精确 识别和分析食物种类、营养成分等信息， 为居民提供更为精准的健康饮食建议和管理方案， 目前还存在一些常见的问题：一是数据准确性与识别精度，由于食物种类繁多、形态各异， 且受到拍摄角度、光线、背景等多种因素的影响，传统的食品分类和识别方法往往难以达 到较高的精度。二是数据处理与分析能力， 食物分析需要处理大量的图像数据和营养信息，将这些数据与健康管理等业务进行深度整合，是技术应用中的难点之一。三是用户隐私与 数据安全，涉及到大量的涉及用户的饮食、健康等敏感信息，因此需要采取严格的数据加 密和访问控制措施，确保数据的安全性和隐私性。

精准化多模态医疗基础模型旨在解决医疗行业中的数据孤岛与隐私保护问题，特别是 在促进跨地域医疗数据共享方面。该模型通过整合多源医疗数据，建立统一数据标准，强 化医疗决策支持。该模型解决的核心业务问题包括： 通过统一数据管理和标准化接口，克服不同医院间的数据格式、标准不一致难题，实 现医疗数据流通与共享。 确保敏感医疗数据在跨机构共享过程中的安全性，同时在模型设计中嵌入敏感内容提 示和领域安全策略，加强内容生成的可控性。 采用深度医疗垂类模型评测体系，确保模型的高精度和可解释性；融合医学知识图谱， 增强模型的训练效果和推理能力，实现多模型灵活切换以适应不同应用场景。确保模型生 成内容与医疗实践相一致，符合医学伦理。

知识数据在健康医疗领域是数字化转型与智能化服务升级的核心驱动力，主要应用于 医药大模型训练，及医疗软件平台多场景化的 AI 功能支持。但目前， 数据作为要素原材料 在应用层面有以下难点 : 1. 数据基座建设中，高质量语料资源短缺：国内中文数据语料加工缺乏经验和投入， 数据加工和治理缺乏统一规范，高质量医疗数据资源稀缺。 2. 临床诊疗中，数据复用价值受限：高质量的医疗数据对于辅助决策和提供诊疗方案 参考至关重要。医疗数据的复杂性和特殊性，导致文本处理自动化程度低，效率低且易出错， 限制了医疗数据在提高诊疗效率和质量方面的应用价值。 3. 智能服务业务场景中，数据要素流通与融合难度大：AI 技术潜力巨大，但在满足医 院业务需求、符合医生诊疗逻辑方面仍面临数据流通的困难、多方协同的复杂性，数据融 合的专业性等问题。

传统就医模式中，还存在一些行业痛点问题： 门诊患者就诊缴费排队费时费力。患者一次就诊过程中，排队缴费平均耗时 1 小时， 缴费次数普遍 3 次以上（挂号、检查、取药） 。并且老年人智能工具使用困难、行动不便、 多科室会诊等，就医耗时近半天。患者就诊排队体验差，容易激发医患矛盾。 住院患者押金一次性占用压力大。当前办理住院手续需支付高额住院押金，给部分患 者带来一次性资金占用压力，甚至影响正常住院治疗。 急症患者逃欠费医院追缴负担重。医院由于催缴途径有限、缺乏失信约束机制，逃欠 费追回率较低，工作负担沉重。

近年来，以深度学习、大模型为代表的新一代人工智能技术彰显巨大优势， 成为众多 行业转型发展、提质增效的引擎，正加速推动人类社会从万众互联走向万众智联，从数字 经济转向数智经济，从信息时代迈向智能时代。 当前，数据作为关键生产要素的价值日益凸显。数据既是人工智能重要的学习资源，又是 AI 模型知识与智能的生成基础，还是 AI 产业发展的核心要素。数据要素应用广度和 深度大幅拓展，在经济发展领域数据要素乘数效应愈发显现。数据的质量、数量、多样性 等直接影响 AI 模型的可靠性、准确性与泛化性。但在医疗行业，数据治理难、共享难、应 用难、安全风险大等问题尤为突出，严重阻碍医疗人工智能的深入发展和推广应用，亟待 解决。