無論對于醫療健康行業，還是對于醫療保險行業來說，健康大數據都是行業治理的基礎設施和得力工具。海量數據采集自人類個體，流淌于IT系統之中。據測算，每個人一生將產生不少于605 TB（不包括任何可能和必要的數據交互），全國每年將產生超過1000 ZB的交互數據量（不包括這些數據的二次使用和復制/衍生等）。

世界衛生組織（WHO）早已言明，健康是一種生理、心理與社會適應都臻于完滿的狀態，而不僅是沒有疾病或虛弱。2016年，中央召開的全國衛生和健康大會指出，全方位全周期保障人民健康。大數據是人民健康水平、國民健康戰略的“晴雨表”和“指南針”。大數據可以提高衛生健康部門、醫保部門的決策精準性、精細化水平，比如：預測下一個段季節病、流行病高峰期的時點、周期、烈度，可以提前部署醫療衛生資源，避免被動挨打的“非典”（SARS）事件重演。再比如：預測近期有組織在線欺詐行為的單數、行業、架構、流程，可以針對“黑灰產”將魔手伸到醫保欺詐騙保領域提前布防，避免醫保基金成為“唐僧肉”。

從這一總要求出發，廣義的健康大數據可以從兩個維度予以定義：一是涵蓋人類個體產生的所有作為健康影響因素的數據，包括：生理大數據（含基因等多組學大數據）、心理大數據、環境健康大數據、生活方式大數據，等等。二是國民健康服務、國民健康保障這兩大體系所產生的數據，包括：醫療機構大數據、公共衛生大數據、健康管理大數據、醫療保障大數據、商業保險大數據，等等。

然而，我國健康大數據治理水平低、實際利用率低，難以形成健康績效。一是多頭監管：由國家衛生健康部門提出的“健康醫療大數據”（狹義健康大數據），尚未也無法將國家醫保部門提出的“醫保大數據”囊括其中，難以形成覆蓋全生命周期、全方位需求的廣義健康大數據，健康醫療大數據、養老大數據、社保醫保大數據、商業保險大數據、生物多組學數據之間更是無法打通。二是數據質量低：來自智能監測設備（如：智能手環、智能血壓計、智能血糖儀）的海量健康數據，在維度、精度、實時性、穩定性等方面難以達到醫療級應用，僅起到預警功能，無法用于臨床診斷治療。

有基于此，在建立數據共享開放平臺的部分省份、地市，健康大數據被框定在醫療機構大數據（甚至只是醫院大數據）的范圍內。2018年，我國公立醫院12032個，民營醫院20977個。醫院大數據相對定期采集、處理相對規范、應用相對成熟，是衛生健康部門、醫保部門、商業機構開展行業治理的首要選擇。2015年以來，國家衛生健康部門圍繞系統集成、業務協同、數據互聯互通、智慧醫療應用，先后開展了一系列舉措。這包括：電子病歷系統應用水平分級評價、醫院信息平臺應用功能指引、醫院信息互聯互通標準化成熟度測評，等等。

2017年，“人工智能”首次寫入國務院《政府工作報告》，并上升為國家戰略。國務院印發《新一代人工智能發展規劃》，設置了“智能醫療”專門段落，提出：“探索智慧醫院建設，開發人機協同的手術機器人、智能診療助手，研發柔性可穿戴、生物兼容的生理監測系統，研發人機協同臨床智能診療方案，實現智能影像識別、病理分型和智能多學科會診。基于人工智能開展大規模基因組識別、蛋白組學、代謝組學等研究和新藥研發，推進醫藥監管智能化。加強流行病智能監測和防控。”

特別是在深度學習輔助診斷、輔助治療輔助決策領域，新一代醫療人工智能技術（如深度學習、神經網絡等）有助于在三個方面提升醫療衛生體系的治理績效：（1）緩解我國專科醫務人員短缺局面，為高飽和度工作減負（如：影像醫生、病理醫生），（2）洞察醫務人員肉眼識別無法發現的高維空間影像，揭示隱藏在疑難病癥之后無法感受也無法表達的“暗知識”，提高診斷準確性和治療方案科學性。（3）將高等級醫院、高年資醫生的“人類智能”固化為算法模型，用人工智能賦能基層醫院、低年資醫生。

隨著新一代人工智能在醫療領域開展應用，對健康大數據（尤其是醫院大數據）提出了更高要求。

算法是人工智能產業的“皇冠”，但在臨床應用環節面臨著諸多未知數。自達特茅斯會議標志著人工智能誕生以來，人工智能發展經過了“三落三起”。最近一輪的人工智能崛起，深度學習、神經網絡算法是其核心驅動力。由于“人命關天”的醫療決策對人工智能脆弱性、不穩定性、“算法黑箱”問題容忍度低，且許多醫療機構基于自身的醫療安全、患者隱私、醫囑知識產權等因素，不愿將醫院大數據交付給自己控制范圍之外的算法模型。據國家衛生健康委統計信息中心2018年調查數據顯示，仍有多達一半以上的三級醫院尚未開展大數據、智能應用。

臨床大數據是訓練算法模型繞不過去的坎，如果機器學習所需的“食材”連喂都喂不飽，更別說吃上精細加工后的“餐食”，這就無法讓算法模型一天比一天“聰明”。大數據和人工智能行業對數據共享開放表達了困惑：一是數據共享水平有限，數據量、數據維度、數據精度受限，難以滿足神經網絡的算法模型訓練需求。二是大部分原始數據為非結構化數據，數據的集中化、標準化、智能化程度較差，需經過數據歸集、清洗、數據脫敏、數據標注等額外環節，導致算法模型訓練的耗時過長、成本過高。