在早期，醫療大數據並不是壹個獨立的行業，更多的是作為行業中的壹個“元素”。上世紀90年代末，包括東軟、衛寧健康、萬達信息在內的老牌信息廠商在公立醫院建立基地，奠定了中國醫療大數據發展的基礎。
經過十幾年的探索，國內醫療大數據產業鏈已經初具規模。政策逐漸推動了醫療大數據的監管和整合，行業內也出現了存儲、挖掘、分析、應用醫療大數據的創業型企業。但總體來看，我國醫療大數據的發展速度並不快。
這壹方面歸因於我國大數據量大，但質量低、散、不全；另壹方面，由於醫療行業的政策導向性較高，國家對醫療大數據的管控還比較保守。
億歐健康對國內醫療大數據領域的企業進行了盤點，發現這些企業有三大特點，在醫療大數據的藍海中仍有“金礦”需要挖掘。
根據醫療大數據產業鏈，億歐大健康將其梳理為基礎層、技術層、應用層三個維度。基礎層負責數據采集和轉換，技術層側重於數據存儲、處理、清洗和分析，應用層側重於數據價值挖掘的場景應用。
在億歐健康的盤點中，騰訊、華大基因等部分企業有三維覆蓋，蔔式醫療雲等部分企業專註於醫療大數據。
從以上三個方面來看，企業規模分化明顯。基礎層多集中在上市公司，多為醫療器械、醫療信息類企業。由於近幾年新成立的創業公司大多沒有長時間用來沈澱數據，這種行為甚至與商業化方向背道而馳。因此，醫療健康大數據的“供給側”集中在HIT廠商和接入實體醫院的醫療設備，尤其是智能可穿戴設備。
在微觀技術層，大多數企業以提供醫療健康技術解決方案的形式提供服務。這類公司通常先以某個疾病為基礎，以AI技術和數據處理分析能力為技術壁壘，服務覆蓋醫療機構、藥企、保險等幾大角色。不同的是每家公司覆蓋的細分領域和範圍都不壹樣。有意思的是，技術型公司的融資輪數並不高。33家公司中，B輪及以下的有23家，上市公司只有3家。
雖然這種現象在應用層有所緩解，但企業的體量分化依然明顯。應用層統計的34家企業中，B輪及以下公司占50%。然而，許多上市公司出現在表中。壹方面說明上市公司醫療逐漸開始重視醫療大數據這塊“肥肉”，另壹方面也不可避免地加劇了醫療大數據應用層的競爭。
顯然，相對於AI在醫療輔助診斷或互聯網醫療方面的應用，醫療大數據還遠未達到爆發節點，相對於其他行業，應用程度也不如零售、金融行業成熟。但根據IDC Digital的預測，到2020年醫療數據量將達到40萬億GB，是2010的30倍。
這是壹個潛在的金礦，那麽大數據在醫療健康行業有哪些應用場景呢？億歐健康總結了六個方向。
1，大數據+醫藥研發。在初步應用中，醫療大數據在縮短研發周期、降低研發成本、處理患者數據、模擬疾病模式等方面表現出色。，為參賽者增強了不少信心。
2.大數據+臨床決策。在醫療機構信息化建設的框架下，醫療大數據可以對臨床決策起到非常好的輔助作用。目前，醫療大數據被廣泛應用於輔助臨床精準醫療和疾病風險預測，例如，在患者出現某種癥狀之前，計算疾病概率和時間節點，從而在臨床上進行早期幹預。
3.大數據+互聯網醫療。有業內人士曾說，互聯網+醫療的核心內容是大數據。在這種場景下，企業往往將大數據與互聯網醫院、養老、健康管理、居民電子健康檔案相結合，協助政府進行區域健康信息管理。
4.大數據+醫保。除了幫助醫保提供精準服務、精準管理、科學決策，在醫保方面，大數據在單病種、DRGs等支付標準的設計、藥品數據和統壹標準的完善、醫保智能監控系統的完善等方面也有巨大的空間。
5.大數據+健康管理。“健康管理”的火，並不是伴隨著大數據的興起，而恰恰是大數據，讓“精準健康管理”成為了業內壹代網絡名人，其中的玩家包括妙健康、健康有益等公司。目前大數據的健康管理更多的是基於EHR(電子健康檔案)和EMR(電子病歷)。
6.大數據+智能診斷。醫學影像和輔助診斷的細分應用是醫療大數據最成熟的落地場景之壹，但對於當前AI+醫療企業來說更苦惱的是，壹方面數據量級不夠大，另壹方面數據孤島情況嚴重，這是制約其發展的壹大因素。但無論如何，大數據+智能診斷仍然被業界廣泛看好。在商業化方面，這些企業的步伐是比較快的。
總體來看，醫療大數據的應用場景較多，但應用程度大多中等甚至較弱；上表近百家醫療大數據企業中，僅有丁香園、微醫、零氪、思迪進入獨角獸行列；此外，國內專註於醫療大數據的新資本屈指可數。
這壹系列的現狀其實說明，醫療大數據是壹片藍海，藍海之下蘊藏著巨大的商業價值。隨著三醫聯動、分級診療等新政策的加持，以及國家對醫療健康大數據的逐步規範，醫療大數據作為整個行業的底層支撐，勢必會迎來爆發的壹天。
近年來，隨著我國醫療需求的不斷上升，醫療機構、藥企、保險公司都在不斷尋求產業升級的新機遇，醫療健康大數據發展如火如荼。億歐健康頻道策劃了壹系列醫療數據理論的獨家專訪和專題報道，聚焦大數據給醫療產業鏈各個環節帶來的顛覆和變革。
如有合適的企業推薦，請聯系億歐健康頻道負責人郭(微信:Lelion8742390)。