摘要：国家数据局组织召开国家数据要素综合试验区医疗数据流通利用专题现场会，真正值得关注的不是又开了一次会，而是医疗数据改革开始从“能不能做”转向“怎么复制、怎么运营、怎么形成闭环”。
国家发展改革委网站7月8日发布消息，国家数据局在北京组织召开国家数据要素综合试验区现场会，主题聚焦医疗数据流通利用。表面看，这不是一份新的规范性文件，而是一场试验区经验交流会；但它释放的政策信号很强：医疗数据要素改革正在从“能不能做”进入“怎么做成、怎么复制、怎么规模化运营”的阶段。
这件事的重要性在于，医疗数据过去长期处在最典型的两难之中。一边是价值巨大，关系诊疗、科研、医保、药械研发、公共卫生和人工智能训练；另一边是敏感度极高，涉及个人隐私、伦理风险、医院责任、医生权益、数据产权和安全边界。政策如果只喊“开放”，风险不可控；如果只讲“安全”，数据又很难真正转化为健康产业和医疗服务能力。
这次现场会把问题落在四个关键词上：数据产权、流通交易、收益分配、安全治理。也就是说，医疗数据流通不再只是技术问题，而是制度、产业和治理共同组织的问题。
为什么医疗数据是数据要素改革的硬仗
相比交通、气象、工业设备、文旅消费等数据，医疗数据更难处理。
第一，权利关系复杂。医院产生数据，医生参与诊疗和标注，患者是核心权益主体，科研机构、药企、器械企业、AI企业又可能参与后续加工和应用。谁能授权，谁能使用，谁能分享收益，不能靠一句“数据归平台”简单解决。
第二，数据质量要求高。医疗影像、病理、检验、处方、病程、随访、医保结算、真实世界研究数据，都需要清洗、标注、标准化和质量控制。低质量数据不仅训练不出好模型，还可能带来诊疗误导和算法偏差。
第三，安全和伦理边界硬。医疗数据不仅是个人信息，很多场景还涉及敏感个人信息、遗传信息、疾病隐私、未成年人信息和伦理审查。匿名化、去标识化、授权、审计、用途控制、模型输出风险，都必须同时考虑。
因此，医疗数据流通如果能跑通，意义不止在医疗行业本身。它会为其他高敏感、高价值行业提供一套样板：如何在安全合规前提下，让数据真正进入模型、科研、产业和公共服务。
最值得注意的信号：从供给到价值实现的闭环
国家发展改革委发布的消息提到，会议认为当前医疗数据流通利用已经实现从供给、流通到价值实现的全链条闭环，数据要素价值正在加快释放。
这句话值得拆开看。
过去很多地方做数据要素，容易停在两个层面：一个是建目录、建平台、建交易所；另一个是做几个展示型场景。真正难的是闭环：医院愿不愿意供数，医生有没有动力参与标注和治理，数据是否能被合规加工，企业是否愿意付费使用，收益如何分配，出现争议和风险谁负责，应用效果如何反哺临床业务。
这次会议调研了同仁医院亦庄院区眼科数据利用情况，提到“业务产生数据、治理提升质量、应用创造价值、价值反哺业务”的经验；还走访了国家人工智能应用中试基地（医疗），了解医疗高质量数据集建设、医疗行业大模型服务，以及人工智能赋能生物医药制造、精准诊疗等创新实践。
这说明政策重点已经从“有没有数据资源”转向“有没有可持续运营机制”。医疗数据不是一次性卖出去的资源，而应当形成持续治理、持续应用、持续反馈的产业循环。
地方怎么抓：不是抢数据，而是组织机制
地方政府最容易犯的错误，是把医疗数据流通理解成“把医院数据集中起来”。这会低估医疗数据的复杂性，也容易引发医院、医生和公众的信任问题。
真正应该抓的是组织机制。
第一，数据管理部门和卫生健康部门必须协同。医疗数据既不是单纯的数据局业务，也不是单纯的卫健业务。没有数据制度，流通规则不清；没有医疗场景，数据没有价值；没有临床参与，质量和可信度很难保证。
第二，要围绕专病、专科和真实场景做试点。眼科影像、肿瘤病理、慢病管理、药物临床研究、医保风控、基层辅助诊疗、康复随访，都可能形成不同的数据产品和模型服务。不要一上来追求“大而全”的医疗数据平台。
第三，要把激励机制讲清楚。医院为什么参与，医生为什么标注，科研成果如何转化，企业付费用在何处，患者权益如何保护，公共利益如何体现，都需要规则。没有收益分配和责任分担，医疗数据很难形成正向循环。
第四，要把示范项目做成标准。现场会强调将“一地创新”变成“全国经验”，这正是试验区的价值。地方不应只做孤立项目，而要沉淀数据目录、授权流程、标注规范、质量评价、安全审计、收益分配和伦理审查模板。
企业机会：医疗大模型的竞争不只在模型
对企业来说，这次政策信号意味着医疗AI的竞争正在从模型展示转向数据工程和场景运营。
过去很多医疗AI项目喜欢展示识别率、问答能力或辅助诊断能力，但如果没有稳定、合规、高质量的数据供给，模型很难持续迭代，也很难进入严肃医疗流程。未来真正有价值的企业，可能不是只会调用通用大模型的企业，而是能和医院、研究机构、数据平台共同完成数据治理、标注、评测、部署和风险控制的企业。
医疗行业大模型服务也不会只有一个形态。它可能面向医生，做病历质控、影像初筛、诊疗路径提示和科研检索；面向医院，做运营分析、绩效管理和医保合规；面向药械企业，做真实世界研究、临床试验招募和产品迭代；面向基层，做辅助问诊、转诊建议和慢病管理。
企业要抓住机会，关键不是先喊“医疗大模型”，而是先回答三件事：数据从哪里来，是否合规可用；模型能解决哪个具体临床或运营问题；应用结果如何被医生、医院和监管方验证。
风险边界：医疗数据不能变成灰色生意
医疗数据价值越高，越要警惕低水平开发和灰色流通。
第一，不能把“匿名化”当作万能免责。医疗数据维度多、关联性强，重新识别风险不能低估。数据脱敏、用途限制、访问控制、日志审计、可信执行环境和隐私计算，都要结合具体场景设计。
第二，不能绕开患者权益。医疗数据的公共价值很大，但这不意味着个体权益可以被忽略。涉及患者数据使用的场景，应当明确知情、授权、退出、投诉和权益保护机制。
第三，不能把科研数据和商业数据混为一谈。公益科研、医院质控、医保监管、商业模型训练、药械研发，边界不同，授权方式、收益分配和安全要求也不同。
第四，不能重交易额轻应用效果。医疗数据流通的最终目标，不是让平台产生漂亮的挂牌数量，而是提升诊疗质量、科研效率、药械创新和公共健康治理能力。
结语
医疗数据流通利用专题现场会真正说明的是：数据要素改革开始进入最难、也最有价值的场景。
如果医疗数据能够在合规前提下形成“业务产生数据、治理提升质量、应用创造价值、价值反哺业务”的闭环，数据要素就不再只是交易所里的概念，而会成为医疗服务、AI产业、生物医药和健康治理的基础设施。
对地方来说，下一步比拼的是跨部门组织能力和制度细化能力。对企业来说，下一步比拼的是数据治理、模型工程和场景落地能力。对整个产业来说，医疗数据能不能跑起来，将成为判断数据要素市场是否真正成熟的一块试金石。
政策来源
国家发展改革委网站：《国家数据要素综合试验区医疗数据流通利用专题现场会在北京召开》，发布于2026年7月8日，来源为数据局。
原文链接：https://www.ndrc.gov.cn/fzggw/wld/llh/zyhd/202607/t20260708_1406366.html
国家数据局：2026年“数据要素×”新闻发布会（第二场）文字实录，发布于2026年7月6日，用于补充理解数据要素场景牵引和高质量数据支撑人工智能的政策背景。
原文链接：https://www.nda.gov.cn/sjj/swdt/xwfb/0706/20260706172337226401795_pc.html