摘 要：在全球数字化转型浪潮下，医疗行业数据变革加速，各国积极出台数字政策以驱动医疗数据发展。本文聚焦数字政策驱动的医疗数据空间构建，系统剖析其在数据共享、隐私安全、技术融合与伦理治理中的多维挑战，结合欧盟“欧洲健康数据空间”与中国“十四五”政策的实践经验，借助联邦学习、区块链存证等技术突破数据孤岛，通过分层穿透式资金配置优化资源分配，同时建立跨境数据互认机制强化国际合作。研究认为，医疗数据空间可持续发展亟需构建“技术-管理-法律”三位一体的治理框架，依托技术与政策打造多主体协同的生态系统，破解数据标准化不足、存储瓶颈及人才短缺等核心问题。通过理论与实践结合的路径分析，为健康中国战略的数字化基座建设提供系统性参考，有望助力医疗数据从资源沉淀向智能服务转型，显著推动精准医疗普惠化与全球健康治理协同发展。
在全球智能时代浪潮的推动下，医疗领域正迎来前所未有的数据变革。人工智能正以前所未有的深度和广度重塑医疗健康领域，智能辅助诊断到新药研发的加速发展，使得数据已成为驱动医疗创新的核心引擎。
当前医疗机构间数据格式异构、跨系统互操作性不足，患者健康信息（如电子病历、基因组数据）高度敏感等问题突出，现有法规体系、技术标准及管理机制无法满足要求，构建整合多方数据资源、实现安全高效流通的关键载体的迫切性日益凸显。同时，精准医疗、真实世界研究［1］及公共卫生应急等场景对大规模数据共享又提出迫切需求，各国政府和国际组织不断出台相关政策，旨在打破数据孤岛，降低隐私安全风险以及应对日益严格的合规压力。欧盟率先推动“欧洲健康数据空间（EHDS）”，通过建立数字健康市场实现跨境数据安全流通［2］；中国政府积极推动相关政策，如《“十四五”数字经济发展规划》［3］强调培育医疗资源共享空间建设，且以《国家基本公共卫生服务规范（第三版）》［4］等相关规范和标准为重要依据，全面推进基层医疗卫生机构数字化转型升级。
本文聚焦于数字政策背景下医疗数据空间的构建，旨在系统探讨在数据共享创新、隐私保护技术和智能治理模式中所面临的现实难题，总结国内外在规则制定、技术集成、生态培育等方面的应对经验，为构建可信、安全、高效的医疗数智生态系统［5］提供理论分析和实践框架。
1 医疗数据空间定义和研究背景
受学术界对数据管理模式的探索和全球数据博弈与产业智能转型需求的驱动，同时为平衡数据价值挖掘与隐私保护，构建可信、安全、高效的医疗数据生态，“医疗数据空间”（HealthcareDataSpace）应运而生。
医疗数据空间是指以数字化技术为支撑、数据共享为核心的医疗信息生态系统。通过整合物理基础设施（如数据中心、医疗设备）和软件架构（如云平台、互操作协议），在安全可信的环境中实现医疗数据的标准化存储、跨机构流动和授权使用。这一空间的构建以患者为中心，在保护个人隐私和遵循数据主权的前提下，支持医疗机构、研究人员、政府部门和合规企业等多元主体，通过统一的治理框架和技术标准，实现医疗数据的全生命周期管理和价值挖掘。其核心目标是提升医疗质量、提高管理水平、促进医学研究、赋能公共卫生治理［6-7］，着力打造“智能互联、数据共享、服务协同”的新型健康服务体系。正如《可信数据空间发展行动计划（2024—2028年）》［8］所强调的，可信数据空间需具备数据可信管控、资源交互、价值共创三类核心能力，医疗数据空间的构建同样需以这三大能力为基础，因此，建立完备的数据治理机制和标准化规范体系，是促进医疗数据空间的稳步建设和可持续发展的关键。
医疗数据空间作为现代医疗体系变革的重要驱动力，正通过技术创新、政策支持与行业应用的深度融合，展现出广阔的发展前景与多维价值。医疗数据空间的构建要围绕数据储存、数据共享和数据安全展开。但目前医疗数据空间仍处于发展阶段，面临诸多挑战，要实现从理论研究向实践赋能跨越，使其运行效能在精准诊疗、药物研发和医疗服务中逐渐显现。
2 医疗数据空间发展现状
2.1医疗数据市场加速发展
医疗数据空间市场发展态势强劲，有力驱动着全球医疗产业的升级。当下，全球医疗数据市场正处于蓬勃发展的阶段，相关行业增长迅猛。据相关机构数据显示，全球数字医疗市场规模在2023年达到2863.5亿美元，预计将以26.8%的年复合增长率持续扩张，2024年市场规模升至3656.7亿美元，2025年有望突破4500亿美元关口［8］。《“十四五”生物经济发展规划》提出［9］，要重点围绕先进诊疗技术和装备、精准医疗检验检测等方向，提升原始创新能力。在此背景下，2020—2025年中国智能医疗器械市场增长迅猛，预计2025年市场规模将达到242.3亿元；而到2026—2027年，该市场有望继续保持高速增长［10］。在市场竞争中，企业竞争格局集中度较高，头部企业在行业中占据主导地位。同时，互联网医疗平台的兴起促使健康管理、远程诊疗等场景不断深化，拥有多模态处理能力和合规框架的企业在产业格局中逐渐占据优势。然而，数据市场化配置机制仍不完善，多数项目依赖政府资金支持，商业模式可持续性有待探索。未来，需要着重解决基层数字化能力断层、算法可解释性不足等瓶颈问题，全力助推人工智能在医疗领域朝着普惠方向发展。
2.2医疗数据安全面临突出挑战
数据安全在医疗数据空间中扮演着极为关键的角色，为医疗数据空间的稳定运行、数据合理使用以及医疗行业的健康发展提供保障。中国信息通信研究院发布的《2020数字医疗：疫情防控期间网络安全风险研究报告》［11］显示，受调查的医疗单位中近三成存在数据资产泄露风险。Verizon公司发布的网络安全报告显示，在全世界范围内，医疗行业是唯一一个内部威胁高于外部威胁的行业，内部从业人员对医疗数据的泄露达到了惊人的程度［12］。
医疗数据空间的安全威胁主要来源于3个维度。（1）技术层面：数据治理技术创新能力薄弱［13］，医疗机构信息系统、器械存在安全漏洞，传统加密技术对诊疗数据保护存在功能性衰减，老旧系统未及时更新易形成高危攻击面，同时医疗数据在传输过程中也容易遭受黑客窃听、篡改和拦截；（2）管理层面：医疗机构管理体系建设不全面，风险管理意识淡薄，存在内部权限管理混乱［14］，工作人员安全意识不足，可能获得超出工作范围以外的权限，增加非必要数据访问泄露风险；（3）法律层面：医疗数据所有权界定模糊，数据权利配置体系以及相关法律法规不够健全［15］，数据安全的规范使用和监管方式存在漏洞，现行处罚标准很难覆盖新型的数据犯罪，违法行为难以得到有效遏制。
2.3技术与政策协同迎来创新机遇
当前，医疗数据空间的运行呈现出技术驱动与政策创新交织的演进态势。全球范围内，数据共享模式正从集中式存储向分布式协同的医疗数据空间理念转型，核心技术突破聚焦于支撑这一转型的隐私计算、跨链互操作与联邦学习融合应用［16］。国外医疗数据空间发展迅速，美国、欧盟等地区凭借先进的信息技术与成熟的市场环境，在医疗数据空间标准与生态构建处于引领地位。美国通过《21世纪治愈法案》［17］等政策推动，鼓励医疗机构共享数据进而形成更广泛的医疗数据共享生态，促进汇聚的医疗数据资源在药物研发与临床决策支持系统开发中的应用，帮助医疗的早期筛查与精准诊断。欧盟则通过“欧洲健康数据空间”（EHDS）战略，打破成员国间数据壁垒，实现跨境医疗数据在统一规则和安全框架下流通，推动多中心临床研究与公共卫生协同治理［18］。例如，法国与德国联合开展的阿尔茨海默病研究项目，依托EHDS这一可信数据空间基础设施，整合两国多家医疗机构数据，加速疾病机理研究与新药研发进程。类似成功案例还有法国国家保健数据系统（数据资源库）与患者电子病历（数据源）的应用，其研究有助于挖掘提高真实世界研究质量方面存在的联系与潜力［19］。此外，国外在支撑数据空间的安全运行与隐私保护方面也较为成熟，如美国《健康保险流通与责任法案》［20-21］严格规范医疗数据使用，欧盟《通用数据保护条例》［22］强化数据主体权利保护，规范个人健康数据的收集、存储和使用，对在线个性化服务的各个方面进行监管，为可信医疗数据空间产业发展提供坚实法律保障。
我国医疗数据空间的发展正处于政策驱动与技术融合的双重机遇期。2024年《关于全面推进紧密型县域医共体建设的指导意见》［23］明确提出，推动县域内医疗数据互通互联，构建统一的数据共享平台，促进分级诊疗与资源整合。《国家数据标准体系建设指南》［24］的适时出台，通过统一医疗数据概念定义、技术规范及安全框架，为跨机构数据互通铺设了坚实基础，其覆盖范畴遍及数据基础设施、资源整合、流通应用等七大关键领域［25］，《“健康中国2030”规划纲要》［26］等政策文件也明确提出要推动医疗信息化建设，为数据空间奠定技术和管理基础。
随着政策支持力度不断加大，在医疗数据空间的建设和发展中发挥着多方面的关键作用。国家层面通过政策引导和机构设立推动医疗数据的整合与应用，2025年国家医疗保障局大数据中心正式揭牌，承担全国医保数据的应用、管理和服务任务，覆盖13.3亿参保群众、93万家医院、药店等海量数据，助力医保改革和医药健康产业发展。医疗领域的数据应用重点在辅助诊断、患者虚拟助手、医学影像分析等方面［27］。在临床诊疗领域，国内多家三甲医院建立智慧医疗平台，利用大数据和AI实现疾病预测与精准诊疗；在公共卫生治理领域，通过建立多模态疫情监测系统，整合病例数据、流行病学调查数据等，实现分级精准防控与资源高效调配。这些数字化应用在医学领域不断突破，实现从“数据资源积累”到“价值创造”的跨越，全面赋能医疗健康产业的数智化转型［28］。从整体生态看，我国正处于建设各类数据共享平台，汇集医疗数据资源，向构建安全、开放、互操作的医疗数据空间演进阶段。
3 发展医疗数据空间的主要瓶颈
3.1数据存储与共享瓶颈
医疗信息化建设的加速发展使得海量数据的实时处理、安全保障能力和长期稳定运行成为核心挑战，当前医疗机构的数据存储与处理面临算法复杂度飙升和通信成本提高的双重压力，单机存储系统已无法满足实际存储和计算需求，优化数据存储方法成为解决问题的关键［29］。同时，为保障数据的安全性和业务的连续性，数据存储系统需实现“本地+远程”的双重实时备份机制，即在服务器损坏或遭受网络攻击等极端情况下，也能在短时间内完成数据恢复，避免诊疗业务的中断。
然而在硬件部署层面，监管、技术和人为限制仍然是其主要障碍［30］。医疗机构的硬件条件存在显著短板，性能需求与成本控制之间的矛盾极为突出。为高效处理CT影像分析等对算力要求极高的任务，医院需配置高性能存储及高速网络设备，但基层医院老旧电力系统无法支撑高耗能设备，专用机房所需的恒温防尘改造更因资金短缺难以落地。与此同时，数据的指数增长与设备扩展之间的矛盾也亟待解决——三甲医院存储系统扩容需停机迁移数据。此类“边扩容边运维”模式导致业务连续性风险与扩容成本失控。AI医疗大模型的训练需要同时调用海量的数据资源与强大的计算能力，进一步暴露出现有硬件架构在算力供给与数据处理时效上的巨大鸿沟［31］。
在数据共享领域，多重壁垒严重制约医疗价值释放。政策法规与隐私壁垒构成首要障碍，共享需完成高成本匿名化处理并获取逐级授权［32］，特别是在基因等敏感信息的跨境传输环节，相关合规审查更趋严格，不仅操作流程复杂，风险成本也随之高起。实践层面，“权责利”分配机制空白引发贡献方收益保障缺失，医院担忧数据泄露导致法律风险及竞争优势流失［33］，患者对隐私滥用心存顾虑，药企与研究机构难以建立可持续的利益分配模型，多方博弈形成“不愿共享、不敢共享”的恶性循环。同时，技术赋能不足则直接限制实施路径，隐私计算（如联邦学习）、区块链等关键技术尚未突破性能瓶颈与规模化应用门槛，难以平衡安全共享与高效协作的需求，无法有效支撑临床诊疗与跨域科研等场景。
最终，存储与共享瓶颈形成叠加效应。存储系统的性能局限阻碍了高并发数据访问与实时分析，而共享机制的不健全则使分散的数据资源无法聚合利用，进一步放大了硬件算力缺口。这种“存储孤岛”与“共享枷锁”并存的局面，严重迟滞了医疗数据从资源向生产力的转化进程。
3.2数据标准化与质量瓶颈
医疗数据空间的数据来源高度复杂，涵盖临床诊疗、公共卫生、患者生成及科研探索等多维度领域，呈现显著的多源异构特征。主要包括医疗机构内部数据：电子健康记录、医学影像、实验室数据构成核心来源；患者生成数据：可穿戴设备、移动健康应用、物联网与智能设备等；公共卫生数据：疾病监测数据、人口健康数据等数据支持宏观卫生政策制定。然而，数据标准化体系缺失导致整合难题：疾病编码因地域差异更新滞后，疾病分类错误率居高不下；结构化电子病历与非结构化文本混合共存，手工录入数据与系统字段匹配度低；基层医疗机构因缺乏统一标准接口，且地区资源配置存在较大差异［34］，成为多中心数据协同的薄弱环节。
数据质量直接影响机器学习模型的性能与医疗决策的可靠性［35］。当前医疗数据存在真实性偏差、污染及缺失等突出问题：部分智能模型因训练数据污染导致输出失真；基层场景中数据缺失问题尤为普遍，除设备故障外，患者依从性、随访机制、对医疗卫生机构的配合度等问题突出［36］；数据处理技术滞后、历史数据兼容性、设备维护缺失产生噪点差等问题，进一步降低数据的可用性。此外，基层尚未建立全流程质量管理体系，病案填写不规范、医嘱组套混乱等源头问题频发，数据提取与分析偏差风险被持续放大。
基层医疗卫生服务作为保障群众健康需求、提升全民健康水平的“网底”，其数据治理能力直接关系到公共卫生服务的可及性与精准度［37］。当前基层医疗在数据治理上面临多重结构性短板：（1）管理模式传统化，与医疗数据的结合较为有限，缺乏精细化的数据支持，导致程序化和标准化处理不足；（2）医疗设备数据标准化问题加剧，基层心电监测等设备因存储格式、采样频率等技术参数不齐，且老旧设备占比高，采集精度不足；（3）患者生成数据与专业医疗数据存在断层，穿戴设备精度偏差与校准能力薄弱导致多模态数据整合困难，常因技术及资金限制难以实现格式转换与校准。这些挑战凸显基层医疗数据从采集、存储到应用的系统性缺陷，亟需通过技术赋能与资源倾斜构建适配基层的数字化解决方案。
3.3复合型人才培养瓶颈
医疗数据空间建设受制于跨域复合人才匮乏，需政产学研协同培育以强化技术研发核心动能，突破发展瓶颈。沈惠文等［38］指出，医院普遍缺乏既懂临床又精通数据分析的复合型人才。当前人才缺失主要聚焦在3个维度。（1）能力需求断层：智慧医疗领域亟需兼具临床医学、数据科学及伦理法规知识的复合型人才，但当前高校课程与临床实践脱节，缺乏与医疗机构合作的跨学科实训项目（如双学位或联合实训），发展中国家受限于教育资源与产教融合不足，复合型人才缺口较发达国家更为显著，制约医疗数据空间的可持续发展；（2）教育体系滞后：人才培养机制缺乏创新性，AI时代下，医学教育和医师培训正面临重大转型［39］，应依靠数智技术构建个性化的学习路径和智慧的教育管理系统［40］，以满足社会对创新型和复合型人才的需求，推动教育高质量发展；（3）职业通道缺失：传统职称评定体系以单一学科能力为核心，缺乏对跨学科复合型人才的评价标准，导致兼具临床医学、数据科学及伦理法规知识的人才在晋升中面临结构性障碍。亟需重构职称评定维度，增设智慧医疗专项岗位，并建立跨学科能力认证体系，以适配医疗数据空间的多元化人才需求。
3.4医疗数据空间的伦理困境与治理悖论
在医疗数据空间的建设进程中，伦理矛盾与治理挑战呈现多维度交织态势：数据伦理研究尚处于前端探索阶段，学界不仅对其伦理本质的认知不够清晰，相关研究体系也呈现出碎片化特征［41］，而医疗数据产权界定的模糊性进一步制约共享动力——数据可重复性特征导致患者知情权在二次利用中弱化，不完善的合规指引机制使数据所有权在流动中面临流失风险［42］；与此同时，多元主体利益诉求差异与权益分配机制的法律缺位形成结构性矛盾，区块链、联邦学习等技术演进虽提升处理效率，却同步催生权属碎片化、流通成本攀升等新问题，最终构成“技术赋能与制度滞后”的治理悖论。数据共享进程还加剧了泄露风险与跨境流动规则冲突，迫使政府陷入创新激励与安全监管的平衡困境：过度强调数据加密要求可能阻碍科研临床协作，而监管不足又易引发安全隐患，这种“不管就乱、一管就死”的治理僵局，凸显政策协调需构建安全、效率与公平的动态平衡机制，通过多维度制度设计推动数据从资源向生产要素转化，从而支撑精准医疗与全民健康目标的实现。
4 推动构建医疗数据空间的创新路径
4.1构建协同创新的“三位一体”生态框架
医疗数据空间的建设作为现代医疗体系变革的基石，正通过技术创新与生态重构释放出巨大的社会价值与经济潜力。伴随“AI+医疗”行动的深化，智能辅助诊断、慢性病管理等应用将优质医疗资源加速下沉。在此背景下，行业正构建“技术-管理-法律”三位一体的协同框架，这将助力医疗数据空间的应用在精准医疗普惠化、慢性病管理智能化等领域实现跨越式发展。
技术方面，聚焦隐私计算技术、联邦学习等“可用不可见”技术突破数据孤岛壁垒，深化联邦学习与量子计算的应用，突破动态数据防护与算力限制。医疗数据安全已发展加密与匿名化技术，徐澄等［43］构建的物联网密文索引存储方案通过分布式加密降低泄露风险，宋恺［44］提出基于群签名算法的跨链隐私保护方案，有效解决了医疗数据跨链共享中的隐私问题，同时伴随针对医疗数据中海量小文件存储优化方法相关研究［45］，存储效率和数据安全性得到提升。
管理方面，医疗机构内部治理体系升级，医护人员遵循相关法律法规和伦理准则的同时保障患者隐私。目前，医疗机构建立数据安全责任制，强化从业人员安全意识与权限管理，定期演练排查漏洞。通过技术手段（如日志审计）和行为规范（如禁止随意拍照），将数智技术融入绩效管理，提升医院绩效管理的效能和水平［46］，强化安全管理能力，降低泄露风险。同时，推动三医数据协同，依托医疗数据空间打通诊疗、医保、研发壁垒，以数据共享驱动政策落地，提升健康服务效能。
法律方面，数据安全与患者隐私是核心要位。现行法律体系呈现“基础立法-行业规范”双层演进特征。《个人信息保护法》《数据安全法》为医疗数据保护提供了法律基础，但需进一步细化行业实施细则［47］。例如，明确医疗数据的分类分级标准和管理模式，将基因数据、电子病历等列为最高敏感级，规定数据共享的原则。葛永彬等［48］研究显示，可以建立数据流通“白名单”制度，使违规访问率有效降低。同时参照欧盟《健康数据空间法案》建立相关法律条例，以完善全链条数据治理体系［49］。
4.2加快数字基座的路径规划
医疗数据空间治理需构建“技术-政策”双轴协同框架（图1）。技术侧依托隐私计算、区块链构建可信数据流通网络，破解孤岛壁垒；政策则通过分级授权、跨境互认制度筑牢合规底线。二者借助智能合约实现动态适配：联邦学习支撑诊疗数据跨域脱敏共享，沙盒监管平衡AI医疗创新与风险控制。框架底层由新基建提供算力支撑，上层形成数据确权、流通、应用的闭环生态，既保障基因数据等高敏信息的安全防护，又促进慢性病管理等场景的价值释放，最终实现数据要素安全高效配置。
在AI转型背景下，医疗数据空间建设正成为健康中国战略的核心支撑。通过政策引导、技术赋能、分层投资和人才培养的系统性协同，推动医疗数据从资源沉淀向智能服务转型。未来应围绕新基建部署、智能技术融合、跨境协作等关键环节，探讨构建安全高效、价值驱动的医疗数据生态体系，为全民健康服务体系提供数字化动能。
优化资金配置。中央财政聚焦国家级医疗超算中心、5G医疗专网等核心基础设施建设；地方配套资金支持医疗系统数字化升级。国家可出台相关政策，设立医疗数据新基建专项基金，支持智能分析平台的部署，通过财政补贴引导医疗机构采购专用硬件，同时将数据中台、区块链节点等软件系统纳入政府采购目录。如项目规划中要求新建三甲医院配置边缘计算网关与联邦学习模块，实现诊疗数据实时脱敏上链［50］，并将医疗数据空间建设指标纳入智慧医院评级体系，倒逼机构进行智能化改造。
创新技术融合。政策应推动建立医疗AI大模型训练特区，授权DeepSeek等平台在特区内使用脱敏医疗数据进行强化学习，同步构建“沙盒监管”机制，对模型输出的临床建议实施动态验证。通过修订相关法律条例，明确授权合规机构运用联邦学习技术开展跨境研究，对采用隐私计算技术的数据流通减免数据出境安全评估费用。形成“政策牵引-技术驱动-数据价值”的生态循环，使医疗数据空间真正成为健康中国建设的数字基座。
培养人才路径。当前医疗机构正与高校、企业加强合作，通过共建联合实验室或创新中心深化协同；在此基础上，鼓励企业与高校携手搭建联合实验室，并积极探索“双导师制”人才培养模式。同时，通过职业培训提升现有医务人员的数字化技能［51］，建立“数据工匠”培养机制，涵盖临床业务理解、数据清洗、算法优化等跨领域能力［52］，政府还可以推行人才引进政策，设立海外高层次人才专项基金，吸引具备多专业背景的复合型专家。
加强国际合作。我国可以积极参与全球医疗数据治理规则制定，推动医疗数据的跨境流动，建立跨境数据流动的互认机制，提升数据交互的安全性与高效性。例如，与“一带一路”沿线国家签署数据共享协议，促进医疗数据的国际协作研究，同时开展全生命周期健康服务研究［53-54］，提高全球医疗服务水平，同时提升我国在数字健康领域的话语权，最终推动全球医疗体系向高效、公平、可持续的方向迈进。
5 讨论与展望
当前，医疗数据空间正加速向智能协同与全球互联方向演进，其核心驱动力源于异构技术融合与制度创新的双向突破。在技术层面，联邦学习与边缘计算的深度耦合，正构建起“数据可用不可见”的分布式诊疗网络，支撑多中心临床研究的实时数据脱敏共享。与此同时，区块链与隐私计算的协同应用，能减少对单一中介的依赖，正在缓解跨境数据流动中的主权争议［55］，如欧盟EHDS通过智能合约实现成员国间医疗数据的权属追踪与合规调用，为我国参与全球健康治理提供了技术参考。
然而，技术跃迁仍面临数据标准化滞后与算力瓶颈的双重挑战。基层医疗机构因设备异构性导致数据采集格式混乱，需依托“云-边-端”一体化架构实现多模态数据融合，并借助AI辅助标注工具提升结构化效率。政策层面，需强化顶层设计：一方面，通过立法明确基因数据、电子病历等高敏信息的流通边界，建立动态沙盒监管机制平衡创新与风险；另一方面，优化“新基建”资金配置，向中西部倾斜5G医疗专网与边缘计算节点建设，缩小区域数字化鸿沟。
未来，医疗数据空间将呈现三大趋势：（1）技术-临床形成闭环迭代，量子加密技术突破传统算力桎梏，使跨域医疗数据能在毫秒级完成脱敏与特征提取，赋能预测模型的实时优化；（2）政策-市场协同进化，借鉴其他国家数据管理模式，我国可依托公私合营机制激活社会资本，将其定向引导至慢性病管理、罕见病研究等公益性数据应用场景；（3）全球-区域治理嵌套，依托“一带一路”医疗数据联盟，构建跨境数据互认与联合研发生态。通过“技术-政策”协同治理框架，推动医疗数据资源完成从生产要素到全球公共产品的范式升级，共同为构建人类卫生健康共同体筑牢可信、可控、可持续的数字基座，助力医疗AI创新发展。为医疗行业的数字化转型提供有力支持，提升全球医疗服务水平。
