数据要素作为数字经济时代的重要生产要素，正以前所未有的广度和深度融入社会经济各领域。医疗健康作为民生之所系，其数据产生规模庞大、价值密度极高、应用场景丰富，是数据要素赋能实体经济、增进民生福祉的关键场景。本文结合国家政策导向与行业实践，系统梳理数据要素赋能医疗健康的政策现状、赋能路径、应用实践，客观分析当前存在的不足，并提出未来发展路径，以期为数据要素与医疗健康的深度融合提供参考。

我国数据要素赋能医疗健康的政策体系呈现出从“宏观顶层设计”到“垂直深化应用”，再到“精细化合规监管”的清晰逻辑脉络。2016年，国务院办公厅发布《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》，首次从国家层面提出健康医疗大数据的系统性发展规划。2018年，国家卫健委出台《国家健康医疗大数据标准、安全和服务管理办法（试行）》，对健康医疗大数据的标准管理、安全管理和服务管理作出规范。随着数字化转型的深入，政策导向开始向细分领域的价值释放与产业升级延伸。2024年，国家中医药管理局与国家数据局联合印发《关于促进数字中医药发展的若干意见》，明确有序释放中医医疗数据价值，探索建立中医药数据确权授权使用和收益分配机制。2025年4月，《医药工业数智化转型实施方案（2025—2030年）》发布，为我国医药产业从“制造”向“智造”升级划定清晰路线。在价值加速释放的同时，安全底线也被筑得愈发牢固，2026年2月，国家卫生健康委等五部门联合印发的《医疗卫生机构数据安全和个人信息保护管理办法（试行）》正式施行，旨在将法律要求转化为医疗卫生行业的具体规范，明确管理要求、落实保护责任、提升防护能力，为医疗卫生机构的数据安全和个人信息保护工作提供制度保障。

表1  数据要素赋能医疗健康重点政策一览

数据来源：各政府网站，赛迪四川整理，2026.06

数据要素赋能医疗健康的核心路径主要包含以下三部分。一是打通壁垒，推进医疗数据的“资源化”治理。汇聚个人属性数据、健康状况数据、医疗应用数据、医疗支付数据等多源数据，通过统一的元数据标准和术语体系进行标准化清洗，再借助隐私计算、区块链等可信技术手段实现数据在安全可控前提下的跨机构流转，筑牢高质量的数据底座；二是场景牵引，驱动业务流程的“产品化”升级。将医疗数据深度融入临床诊疗、智慧医保、公卫防控等核心场景，利用AI大模型和医学知识图谱优化诊疗路径、实现精准监管与辅助决策，显著提升医疗服务的精准度与效率；三是多元融合，实现产业生态的“价值化”变现。当数据完成资源化治理和产品化升级后，其价值远不止于机构内部运营效率的提升，更在于跨越传统医疗边界，与医药研发、商业保险、健康管理等领域深度融合，催生新的产业形态与经济增长点。通过挖掘真实世界证据（RWE）等深度价值，为创新药及医疗器械研发提速，推动商业健康险开发以及全周期健康管理跨界创新，从而全面激活大健康产业的新质生产力。

图1  数据要素赋能医疗健康总体框架

资料来源：赛迪四川，2026.06

（一）数据要素赋能医疗服务提质增效，推动诊疗服务更加精准便捷

通过数据共享、智能分析、精准监管，数据要素正在从根本上提升医疗服务的质量、效率与安全性，让患者享受更加便捷、精准的诊疗服务，同时也为监管部门提供了更加有效的治理工具。一是多源医疗数据融合赋能智能辅助诊疗，提升临床决策质量与效率。临床辅助决策支持系统（CDSS）通过学习海量医学教科书、临床指南以及病历等数据，基于多种AI技术，为临床诊疗过程提供全方位的医疗决策支持。如迈瑞医疗推出的“瑞智”临床决策辅助系统，以启元大模型为核心，通过“设备+IT+AI”策略实现多端数据融合，协助医生更高效、更准确地开展诊疗工作。二是跨机构数据互通支撑病历共享与检查检验互认，减少重复检查和就医负担。电子病历共享是打通医疗机构间数据壁垒的基础工程，对减少重复检查、降低患者负担、提升诊疗效率具有直接价值。例如深圳市医保影像云共享中心于2025年11月21日正式启用，已构建起全市影像数据“统一标准、统一目录、统一索引、统一服务”共享服务体系，形成破解重复检查、胶片携带不便等问题的有效抓手。三是中医药数据融汇，提升中医临床服务能力。通过对古籍文献、名医医案、现代临床病历以及舌象、面象、脉象等四诊数据进行采集、标注和融合，推动名医经验由个体化传承向结构化、智能化传承转变。常州市中医医院将孟河医派古籍、医案、现代临床等多模态数据进行融合，构建涵盖病症、方药、治法的结构化中医知识图谱，为基层中医诊疗、名医经验传承和中医药服务能力提升提供支撑。

（二）数据赋能公共卫生与行业治理，推动监管从被动处置走向主动预警

在公共卫生与行业治理领域，数据的底层贯通与多维协同，正在推动行业监管从“被动响应”向“主动预警”“精准治理”转变。一是传染病数据监测赋能风险预警，提升公共卫生快速响应能力。融合就诊、疾控、检验等多源数据构建动态监测模型，可实现传染病流行趋势的实时监测、早期预警和精准防控。浙江省搭建省统筹区域传染病监测预警与应用指挥信息平台，整合了数十亿条医疗机构、实验室等数据，构建30个专题数据库，平台能够自动生成、智能分级、精准推送风险信号。自2025年运行以来，该平台已累计触发预警信号6万余条，预警时间比传统方法平均提前3天。二是“三医”数据贯通赋能协同治理，规范医疗行为和提升资源配置效率。医疗、医保、医药领域核心数据的底层贯通与智能交叉比对，是破解长期以来“多头监管、数据割裂”难题的利器，不仅能高效遏制欺诈骗保行为，更能推动医疗行为的深度规范与医保基金的精细化使用。2025年12月，海南省三医大数据中心揭牌成立，依托该中心，海南将进一步整合医疗诊疗、医保结算、药械监管等多源数据，为创新药械研发、医保目录动态调整、医疗质量提升提供数据支撑。三是药品追溯数据赋能全链条监管，保障医保基金安全和强化药械流通治理。通过药品追溯码和大数据模型，精准打击倒卖回流药、超量开药等违法违规行为，守护医保基金安全。截至2025年12月24日，国家医保信息平台已归集追溯码1103.69亿条，覆盖全国31个省份及新疆生产建设兵团，接入99%的定点医药机构和3538家药耗生产流通企业，全链条追溯网全面成型。

（三）数据赋能医疗产业创新发展，推动资源价值转化和新业态培育

通过推进数据资产化和跨界融合，数据要素正在加速创新研发并催生新型产业生态。一是医疗数据产品化，促进数据资源向数据资产转化。将医疗场景中产生的电子病历、医学影像、基因组数据等原始信息，通过标准化处理、隐私脱敏、结构化整合等步骤，赋予其可量化的经济价值。2024年底，宣武医院的颈动脉支架数据集完成北京首单公立医院数据交易，2550条专病记录，成为国产支架研发的关键依据。同月，清华长庚医院的钇90微球介入治疗数据集，刷新了北京单例医疗数据交易额度纪录。二是高质量医疗数据加速医药研发与临床研究。高质量医疗数据集赋能AI大模型训练，大幅缩短药物研发周期并提升临床试验效率。汉卫研究院依托自持专病高质量数据，自研AI大模型驱动临床前肿瘤药物研发一体化平台，开展靶点发现研究。目前已筛选出多个潜在成药靶点并锁定核心靶点，相关科研成果正联合医院与专家团队推进临床验证。三是数据赋能商保核保与健康管理，拓展融合服务新业态。数据要素催生商业保险核保理赔、健康管理服务等医疗健康新业态新模式，拓展产业价值边界。2025年，湖南数据交易所联合湖南省卫生健康委信息统计中心打造“卫数通·智核保”，以湖南省全民健康信息平台为基座，整合全员人口、健康档案、电子病历及18个业务系统数据，构建了覆盖全省7487万人口、600亿条电子病历、6614万健康档案的超大规模健康医疗数据资源库，提供丰富的医疗核保数据字段，提升商业保险核保精准度。

（一）标准落地不均，跨机构互操作能力仍需提升

医疗健康数据价值的充分释放，受到标准执行与互操作性能力不足制约。当前医疗机构的医院信息系统（HIS）、电子病历系统（EMR）、实验室信息系统（LIS）等核心业务系统往往由不同供应商开发，接口形态复杂，数据格式、编码体系、质控口径和业务流程存在差异，导致同一类数据在不同机构、不同系统之间难以直接关联、比对和复用。此外，单纯的“权限打通”并不能解决数据利用的难题。部分机构虽然具备数据上报、查询和调阅能力，但数据颗粒度、结构化水平和临床语义一致性不足，限制了数据在诊疗协同、科研分析和公共卫生监测中的深层使用。

（二）高质量供给不足，数据价值转化闭环尚未形成

医疗健康数据规模大，但可用于治理决策、临床研究、人工智能训练和产业创新的高质量数据供给仍显不足。部分数据存在缺项、错项、重复、口径不一、结构化程度不高、标注质量不稳定等问题，影响数据资产化和模型化使用。与此同时，医疗机构数据治理投入产出机制尚不清晰，临床一线参与数据治理和质量提升的激励不足，数据资源目录、质量评价、动态更新和成果反馈尚未形成闭环，医疗数据要素对服务效率、科研创新和产业发展的牵引作用尚未充分显现。

（三）数据安全合规压力大，数据可用与可控尚未均衡

医疗数据具有高价值与高敏感性的特征，其安全防护与隐私保护面临较高挑战。在涵盖患者身份、疾病诊断及基因数据等大量医疗健康数据的挖掘与共享过程中，医院、平台服务提供商、政府部门以及医疗科研机构等众多实体均可能牵涉其中，数据流转环节多，参与主体广，数据泄漏风险点增加。当前部分医疗机构存在安全投入有限、专业人才短缺及防护底座薄弱等问题，难以构筑起抵御高强度威胁的数据安全屏障，易受到外部网络攻击与非法窃取。

（四）权益配置仍在探索，数据流通规则有待细化

医疗健康数据既具有人格权属性，又具有财产权属性，同时具有公共利益属性，虽然“数据二十条”制定了“三权分置”的基本制度，但实践中仍然缺乏具体的操作路径。数据定价是另一个关键难题。医疗数据的价值评估涉及数据质量、覆盖范围、时效性、应用场景等多个维度，缺乏统一的价值评估标准和定价机制。数据交易过程中的权责界定、质量保证、违约追责等制度安排也有待完善，具体到医疗健康领域的实施细则和操作规范仍有待进一步明确。

（一）以标准和目录统筹数据互通，夯实跨机构共享基础

应将医疗健康数据互联互通从单点接口建设转向标准化、目录化、责任化协同推进。一是完善国家、行业和地方标准衔接机制，推动电子病历、检查检验、医学影像、医保支付、药品流通等数据在编码、字段、元数据和质量规则上的统一。二是推动快速医疗互操作性资源（FHIR）等互操作技术与我国现有卫生健康信息标准、医保编码和医疗机构业务规范有机衔接，形成可落地、可测试、可评估的实施指南，避免停留在技术概念层面。三是建立覆盖数据资源目录、共享清单、质量规则和责任主体的治理机制，明确哪些数据可以共享、按什么标准共享、由谁负责质量和安全。四是围绕“三医协同”健全跨部门协调机制，推动医疗服务、医保支付、药品供应等数据在统一规则下有序联通，为分级诊疗、费用治理和健康管理提供基础支撑。

（二）以高质量数据供给和场景牵引推动价值转化，形成可持续应用生态

推动医疗健康数据要素化，关键不在于单纯扩大数据汇聚规模，而在于提升数据质量、应用深度和价值反馈能力。一是围绕临床诊疗、公共卫生、医保治理、药物研发、健康管理和人工智能等重点方向，建设高质量、可治理、可评估的数据资源体系。二是完善数据质量评价和持续改进机制，将完整性、准确性、及时性、一致性、可解释性等指标纳入数据资源管理和应用评估。三是强化临床、科研、管理和产业需求对数据治理的牵引，推动数据采集、标注、治理和应用形成闭环，避免“为建库而建库”“为上平台而上平台”。四是建立面向医疗机构、医务人员、科研团队和技术企业的协同激励机制，使数据治理投入能够通过服务提质、科研产出、管理增效和合规收益得到持续回报。

（三）以分类分级和可信流通筑牢安全底座，提升合规使用能力

应把数据安全治理前置到医疗数据开发全过程，形成“可用、可控、可审计”的制度和技术体系。一是建立医疗健康数据分类分级保护机制，按照数据敏感程度、影响范围和使用场景配置差异化的授权、脱敏、加密、访问控制和留痕审计措施。二是完善数据使用审批、目的限定、最小必要和全流程审计制度，重点加强第三方接入、算法训练、科研合作和跨机构调用中的合规管理。三是加快可信数据空间、隐私计算、联邦学习、可信执行环境等技术工具化应用，推动数据在不直接暴露原始内容的前提下实现计算、验证和协同。四是提升医疗机构安全治理能力，将网络安全、数据安全、个人信息保护和应急处置纳入日常管理和绩效约束，避免安全责任停留在制度文本层面。

（四）以授权运营和收益分配完善制度供给，稳妥释放市场活力

医疗健康数据流通应坚持公共利益优先、个人权益保护优先和安全合规优先。一是细化医疗健康数据授权使用规则，明确患者知情同意、机构管理责任、科研伦理审查、公共数据授权运营和企业开发利用之间的边界。二是推动数据资源登记、数据产品登记、质量认证和合规评估联动，形成数据来源可确认、加工过程可追溯、产品质量可评价、使用责任可追究的流通基础。三是建立更加审慎的价格形成和收益分配机制，综合考虑数据治理成本、加工增值、应用风险、公共属性和贡献主体，避免以简单买卖替代合规授权。四是完善监管协同和负面清单管理，对高敏感数据、重要数据和可能影响公共利益的数据流通设置更严格条件，防范数据滥用、过度商业化和平台垄断。