疫情之下，区块链技术如何赋能医疗数据共享场景？

2月13日晚，中国集团公司促进会区块链分会副会长兼秘书长范金刚做客火讯TALK，以下为访谈实录。

精华集锦

中国集团公司促进会区块链分会副会长兼秘书长范金刚：

·未来的科学技术创新将以区块链、大数据、物联网为代表，带来跨业务流程的数据整合和跨应用场景的协同创新，从而推动数字治理体系创新。

·通过建立基于区块链的数据共享模式并建立相应的激励机制，组织来自多专业领域的各类人才，包括数据科学家、业务专家、机构决策者、IT工程师等，这将有助于深度挖掘医疗健康大数据的价值，并能更好地做出预测预警管理。

·针对我国医疗信息系统建设分散、标准不统一、系统异构等特点，如何有效实现卫生信息资源互联互通是我国医疗健康数据共享所面临的重大挑战。

·正是区块链技术具有多中心化、时序数据、 集体维护、可编程和安全可信等特点，因此在推动医疗数据可信共享方面，区块链技术必然是最具有发展前景的工具。

·一方面政府会有新的政策支持，另一方面基于区块链的大数据的可信共享和隐私保护技术的应用，这两方面都可以促进医疗大数据共享，消除信息孤岛。我估计在随后的2-3年内会出现广泛的应用落地。

访谈实录

主持人火讯财经主编赵一丹：各位群嘉宾大家晚上好!感谢大家收看火讯TALK之区块链产业人才智库特别栏目!本次特别栏目主题为《疫情之下，区块链如何助力商业与组织创新?》

本次特别节目已经有11位嘉宾进行了分享，今晚我们将迎来最后两位嘉宾上场。首先欢迎范总登场分享。

范金刚：谢谢主持人!大家好!我是范金刚。首先向奋战在疫情第一线的医务工作者和各界同仁致以崇高的敬意!其次感谢火讯财经的邀请。非常荣幸能够参加此次主题分享。今天我将与各位一起探讨下基于区块链的医疗数据共享的问题。

01、未来的科学技术创新将以区块链、大数据、物联网为代表

2020年，注定是不平凡的一年。在我们刚刚跨完年立下新年Flag不久，在我们即将踏上返乡的旅程，与亲朋好友欢度新春佳节时，一场突如其来的疫情打破了所有的设想和规划，我们进入了前所未有的战“疫”警备状态，我们也深刻省悟了“野味诚稀有，敬畏不能缺”的生态文明教育缺乏的教训。同时，面对着每天新冠病毒感染的疑似病例、确诊病例、死亡病例数据的波动和变化，我们的医疗卫生系统，尤其是国家级传染病监测预警网络无疑经受了最大的检验，并带来了社会公共应急管理、防疫物资供给调度、公众舆情监督管控等等方面的全方位审视。

作为在区块链行业从业多年的一枚“老兵”，我也曾经历过2003年的非典时期。非典尚处在西方互联网科技革命刚完成、中国仍在努力实现互联网化的阶段，当时的疫情在一定程度上冲击了传统线下商业模式，对中国推进互联网化起到了重要的催化剂作用;时隔17年之后，新冠疫情一方面带来“躺着做贡献”和“出行三件套”的隔离防护举措全面升级，一方面又将带来商业和组织上“隔离经济”、“不见面招商”、“非接触式服务”、“分布式协同办公”等应用模式创新，而这些应用理念与区块链技术内涵有着高度契合之处。

与此同时，我们看到，2月5日中央一号文件发布，首次将区块链技术放在人工智能、5G技术前列，可以想象，未来的科学技术创新将以区块链、大数据、物联网为代表，带来跨业务流程的数据整合和跨应用场景的协同创新，从而推动数字治理体系创新。

今天，我的分享将主要围绕医疗大数据共享这一场景展开，首先从发展现状出发，带领大家了解一下当前我国的医疗大数据发展情况;然后将从细分的应用场景来解读在医疗卫生的监管体系规则下，医疗数据共享将会面临怎样的问题;在第三部分，我们将探索区块链与医疗大数据的结合点，并提出相应的解决问题的思路;最后，就此次疫情预警的应对机制与大家分享下我的思考和建议。

02、国家在推进医疗数据资源开放共享、信息系统数据采集、集成共享和业务协同等方面早已定下了政策基调

第一部分：医疗大数据发展现状。

健康医疗大数据是国家重要的基础性战略资源，我国政府一直在大力推动健康医疗信息系统和公众健康医疗数据互联融合、开放共享，消除信息孤岛，先后发布了《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》、《国务院办公厅关于促进“互联网+医疗健康”发展的意见》等多份文件以培育新的健康医疗业态和健康卫生经济增长点，实现国家和省级人口健康信息平台以及全国药品招标采购业务应用平台互联互通，建立形成跨部门健康医疗数据资源共享共用格局，建成国家医疗卫生信息分级开放应用平台，实现与人口、法人、空间地理等基础数据资源跨部门、跨区域共享，拓展医疗、医药、医保和健康各相关领域数据融合应用。

还特别提及需要“整合社会网络公共信息资源，完善疾病敏感信息预警机制，及时掌握和动态分析全人群疾病发生趋势及全球传染病疫情信息等国际公共卫生风险，提高突发公共卫生事件预警与应急响应能力。”可见，国家在推进医疗数据资源开放共享、信息系统数据采集、集成共享和业务协同等方面早已定下了政策基调。

2018年9月，卫健委发布《国家健康医疗大数据标准、安全和服务管理办法(试行)》(国卫规划发〔2018〕23号)中，强调国家卫健委将“按照国家信息资源开放共享有关规定，建立健康医疗大数据开放共享的工作机制，加强健康医疗大数据的共享和交换，统筹建设健康医疗大数据上报系统平台、信息资源目录体系和共享交换体系”，并首次将“健康医疗大数据”定义为：在人们疾病防治、健康管理等过程中产生的与健康医疗相关的数据。

医疗大数据按类型来分，包括个人数据和物资数据两类：

• 个人数据包括：1)疾病数据：电子病历、检验、影像、医疗器械、移动问诊、互联网医疗平台数据、基因测序数据、基因检测结果等;2)健康数据：体检数据、智能穿戴、基因数据等。

• 物资数据包括：药品流通、医药研发、医药物资、医疗费用、支付、医保信息等。

按数据流通是否在医院内部采集和流转，又可将以上数据分为院内数据和院外数据。

医疗大数据具体分类如上图所示

下面我们再看看医疗大数据的特点：

主要特点有：

• 体量大：一张CT图像含有数据量约为100 MB，一个标准病理图接近5GB，医疗大数据体量巨大;

• 多态性：数据来源多样，涵盖形式丰富。包括文本、医学影像等，多类型的数据对数据处理能力提出了更高要求;

• 不完整性：医疗数据的搜集和处理过程经常相互脱节，这使得医疗数据库难以对任何疾病信息全面反映。大量数据来源于人工记录，导致数据记录的偏差和残缺，许多数据的表达、记录本身也具有不确定性;

• 冗余性：医学数据每天都会大量产生，同一人在不同医疗机构就可能产生相同的信息;整个医疗数据库会包含大量重复和无关紧要的信息;

• 时效性：数据的创建速度快，更新频率高，许多数据的采样周期已从周、天升级到分、秒，甚至是连续性记录。这对响应速度及处理速度提出更高要求。就诊、疾病进程等并非在某一时间点上发生的瞬时事件，在前、中、晚期会呈现不同的特点。此外，疾病亦可能具备季节性特征;

拥有至少1个比特币的人数有多少？深度分析认为大约40-80万人

• 隐私性：数据隐私性是医疗大数据的重要特点。个体的患病情况、诊断结果、基因数据等医疗健康数据的泄露会对个人产生负面影响，且涉及侵犯公民权。集中的巨大量信息泄露意味着中国人群的基因信息可能被西方掌握，可以用来提升生物武器的精准性，严重威胁国家安全。

03、通过建立基于区块链的数据共享模式并建立相应的激励机制，将有助于深度挖掘医疗健康大数据的价值

下面我们再看看第二部分：医疗大数据共享难点分析。

医疗行业是一个数据密集型行业。当前，我们都能感受到，通过物联网技术、线上问诊、“互联网+医院”、数字化医疗智能设备等多种渠道，所产生的医疗健康大数据类型和数量越来越多、速度越来越快，这要求医疗系统信息化平台的数据处理能力更高，同时存储和计算能力也需要不断增加。

临床决策系统(CDSS)在数据利用上是最有价值的一个系统，尽管这个概念和应用已经发展了40多年，但仍然会发现该系统所能提供的数据范围是有限的，很多时候仍然需要收集更多的患者基础数据，如患者过敏史、用药史、家族病史和基因情况等，才可能给到医生更可靠更有效的建议。

例如，肿瘤医院的医生一辈子会接触许多病人，他们的临床诊断经验和所经手的病历记录都构成了重要的医学数据来源。然而，即使不同的医生获得同样的数据信息，由于经验和判断不同，也会形成不同的诊疗方案，不同的诊疗方案可能会引起患者治愈周期的较大差异。

又比如此次新冠肺炎的诊疗方案，来自不同医院的专家给出了五六种治疗方案，而且还需要根据患者的病情变化及时作出调整;如果调整不及时或判断失误，则将给病情诊治带来严重的后果。而这也要求医疗数据共享时，需要根据医生的实际临床经验和已有的诊疗成果，进行相应的级别与权限设定，才不致于出现不当诊疗并贻误病情。

医疗大数据共享会面临四大挑战：

第一，数据来源的挑战。大数据的来源是多元的，质量是不受控制的，数据标准和数据格式难以统一的，有些数据是拿来也不可用的，比如：不可及的碎片化数据，可及但又是错误的数据，单一数据是可及又正确同时又是残缺、无法修补的数据。

第二，数据治理的挑战。没有新的数据治理方式，解决不了数据共享问题。原有单一平台系统内部的自给自足的数据治理方式难以适应跨区域跨院端的数据统一共享需求，因此必须采用新的数据治理方式并制定新的数据治理机制。

第三，数据分析能力的挑战。随着医疗卫生信息化的快速发展，医院信息中心更多是计算机专业人才，但还缺少统计分析、流行病学、既懂医学知识又懂大数据知识的复合型人才，同时对于区块链、分布式账本技术、并行计算等还缺少深度的认识和应用。

第四，组织协同能力的挑战。医疗大数据共享应用需要团队协同，除去技术、数据来源，最重要的还是组织问题。通过建立基于区块链的数据共享模式并建立相应的激励机制，组织来自多专业领域的各类人才，包括数据科学家、业务专家、机构决策者、IT工程师等，这将有助于深度挖掘医疗健康大数据的价值，并能更好地做出预测预警管理。

04、在推动医疗数据可信共享方面，区块链技术必然是最具有发展前景的工具

下面是第三部分：基于区块链的医疗数据共享模式构建。

针对我国医疗信息系统建设分散、标准不统一、系统异构等特点，如何有效实现卫生信息资源互联互通是我国医疗健康数据共享所面临的重大挑战。

北京量观网络科技有限公司尝试考虑构建基于区块链的医疗数据集成与信息共享模式，该模式将实现相关医疗机构系统间的无侵入式轻便集成及卫生医疗资源的充分共享，在理论和实践上均对我国大规模开展区域医疗数据共享机制具有一定的借鉴意义。

1.区块链推进医疗数据共享的原理和机制。区块链 (Blockchain) 是由多个独立节点参与的分布式数据库系统，能安全地存储加密货币数据交易或其他数据, 并保证这些数据或信息的安全, 防止数据被篡改和伪造。

区块链一般部署在P2P网络中, 区别于常见的关系型数据库和非关系型数据库, 区块链使用数字签名、哈希算法等加密算法及分布式共识算法来保障数据传输与分享的加密性和隐私性，在区块链网络上所存储的数据极难被篡改、销毁或被抹除数据库操作日志。

正是区块链技术具有多中心化、时序数据、 集体维护、可编程和安全可信等特点，因此在推动医疗数据可信共享方面，区块链技术必然是最具有发展前景的工具。

2. 基于区块链的医疗数据共享服务应用架构。利用大数据治理技术将院内、院外各部门/机构的数据进行标准化、规范化的统一治理，建立医疗数据资源标签;

基于区块链分布式存储、智能合约、加密技术等对医疗数据资源进行确权溯源、隐私保护、安全共享，实现基于区块链的医疗大数据的惠政(综合决策、疾病预警)、惠医(辅助医疗、单病种分析)、惠民(健康管理、慢病管理)服务。

具体应用架构图如下：

05、基于区块链的医疗数据共享服务应用架构估计在随后的2-3年内会出现广泛的应用落地

第四部分是我们的一些思考和建议。

新冠疫情发展至今，我们对于新冠病毒及其传播机制有了更多认识，同时诸多行业领域的专家学者也纷纷从各自视角给出疫情下的行业洞察和改善建议。

所谓“太阳底下无新知”，相关报道称，一家使用数据评估公共健康风险的加拿大BlueDot公司，已于2019年12月底就通过人工智能技术，根据传染病流行特点预测发现了新型冠状病毒的出现。

这一案例，恰巧我之前与团队成员也有探讨分析过，通过采集疫情相关的交通出行、饮食消费、物资流通、医疗诊断、社会舆论、传染病预警监控系统等相关数据，进行数据模型分析，同时与相关有权部门、管理机构、决策机构建立协同共享和联席沟通机制，或可为提前进行疫情警报多提供一些技术支撑。

随后，我们也欣喜的看到，为有效预判疫情发展，工业和信息化部在1月26日指出，要运用大数据分析，支撑服务疫情态势研判、疫情防控部署以及对流动人员的疫情监测、精准施策。

因此，我们的手机上或许可能已有好几个能够同时获得身边疫情动态的小应用、小程序，尽管其数据的精准性、实时性与完整性或许还不能满足所有想象，而其背后最主要的原因可能还在于各平台联通能力不够、甚至相应的平台负荷承载能力也没有得到相应的提升。

医疗数据共享模式的构建是一项复杂的系统工程，从健康大数据的收集、转化、整理、储存到机构的使用，到相关部门提供政策、技术、人才、资金等方面的支持，信息共享平台的有效运转必然需要多方主体的合作与共享。

同时如果要将区块链技术与各大主流平台进行融合应用时，还需要要考虑健康医疗大数据领域的法律法规、平台监管、数据标准及数据治理等等问题，当然更需要我们的国家卫生医疗政策与管理制度能够充分给予区块链技术赋能医疗数据共享场景的发展空间。

我今天先给大家分享这些思考内容和建议。最后欢迎大家一起交流探讨!

赵一丹：感谢范总为此次分享做了如此充分的准备，为我们系统分析了医疗大数据现状、医疗大数据共享的难点、基于区块链的医疗数据共享模式构建，并结合当前疫情表达了自己的一些思考，很精彩!

接下来留一些自由讨论和自由提问的时间，欢迎大家跟范总互动交流。范总，我先抛个砖。目前基于区块链的医疗数据共享服务应用架构，目前面对的最大挑战是什么?您估计多久后能出现广泛应用落地?

范金刚：主持人的这个问题很重要，我们之前和医疗机构合作过，三级以上的医疗机构一般不愿意将数据共享出来，一方面涉及利益问题(主要是数据价值目前还不好评估)，另一方面是医疗数据涉及患者的个人隐私问题。

我们以前做过一个省卫健委的课题，卫健委下文指定的试点医院之间都很难推进医疗大数据共享。不过这次疫情过后，我相信这方面会有很大的改进。

一方面政府会有新的政策支持，另一方面基于区块链的大数据的可信共享和隐私保护技术的应用，这两方面都可以促进医疗大数据共享，消除信息孤岛。我估计在随后的2-3年内会出现广泛的应用落地。