"健康医疗数据治理，是面向健康医疗领域的相关数据管理过程，有针对性的从事数据治理活动，以及数据治理活动的设计、监督和实施。 《健康医疗数据治理指南》作为DAMA数据管理知识体系丛书面向健康医疗行业的分册，将立足于DAMA数据治理体系知识框架，结合健康医疗行业数据治理的特点，分别从健康医疗领域的数据治理理论和理论落地的**实践这两个视角阐述健康医疗数据治理，期望通过DAMA数据治理理论框架与健康医疗行业数据治理工具、方法、理论与规范相结合、通过与健康医疗行业数据治理理论与**实践相印证，为健康医疗数据治理提供DAMA数据治理的落地指导，为健康医疗行业大数据从业者提供健康医疗DAMA数据治理实践指南。 本书作为一本覆盖健康医疗大数据治理的指导书籍，面向所有从事医疗信息化相关的群体，覆盖人群广泛，我们将从服务机构予以人群划分。本书主要面向以下几类机构：各级卫健委、等级医院、基层医疗机构和健康医疗行业服务企业。"
健康医疗数据治理，是面向健康医疗领域的相关数据管理过程，有针对性的从事数据治理活动，以及数据治理活动的设计、监督和实施。
《健康医疗数据治理指南》作为DAMA数据管理知识体系丛书面向健康医疗行业的分册，将立足于DAMA数据治理体系知识框架，结合健康医疗行业数据治理的特点，分别从健康医疗领域的数据治理理论和理论落地的最佳实践这两个视角阐述健康医疗数据治理，期望通过DAMA数据治理理论框架与健康医疗行业数据治理工具、方法、理论与规范相结合、通过与健康医疗行业数据治理理论与最佳实践相印证，为健康医疗数据治理提供DAMA数据治理的落地指导，为健康医疗行业大数据从业者提供健康医疗DAMA数据治理实践指南。
本书作为一本覆盖健康医疗大数据治理的指导书籍，面向所有从事医疗信息化相关的群体，覆盖人群广泛，我们将从服务机构予以人群划分。本书主要面向以下几类机构：各级卫健委、等级医院、基层医疗机构和健康医疗行业服务企业。
本书的目标与定位
近年来，随着国家出台面向健康医疗行业的一系列大数据政策法规，健康医疗大数据作为国家大数据战略的重要组成部分，各个地方省市也在积极响应国家政策号召，多个省份率先开展了健康医疗数据中心的建设。但是在健康医疗大数据产业化落地过程中，行业内对健康医疗数据治理一直没有统一的定义，同时对如何做健康医疗的数据治理，也没有专业的指导理论。而本书将针对健康医疗行业大数据治理的实际问题，提供DAMA数据治理理论在健康医疗大数据领域的落地指南。
健康医疗数据治理，是面向健康医疗领域的相关数据管理过程，有针对性地从事数据治理活动，以及数据治理活动的设计、监督和实施。
本书作为DAMA数据管理知识体系丛书面向健康医疗行业的分册，将立足于DAMA数据治理体系的知识框架，结合健康医疗行业数据治理的特点，分别从健康医疗领域的数据治理理论和理论落地的最佳实践这两个视角阐述健康医疗数据治理，期望通过DAMA数据治理理论框架与健康医疗行业数据治理工具、方法、理论与规范相结合，通过与健康医疗行业数据治理理论与最佳实践相印证，为健康医疗数据治理提供DAMA数据治理的落地指导，为健康医疗行业大数据从业者提供健康医疗DAMA数据治理实践指南。
本书面向的人群
本书作为一本覆盖健康医疗大数据治理的指导书籍，面向所有从事医疗信息化相关工作的群体，覆盖人群广泛，从服务机构予以人群划分，本书主要面向以下几类机构：各级卫健委、等级医院、基层医疗机构和健康医疗行业服务企业。
面向各级卫健委的人群主要为规划发展与信息处业务管理人员、项目管理人员、信息规划人员、数据标准制定人员、医学信息相关顶层设计人员等；
面向等级医院的人群主要为医院数据管理人员、IT信息管理人员、业务管理人员、科研数据需求人员等；
面向基层医疗机构的人群主要为医院管理人员、业务管理人员等；
面向健康医疗的服务企业的人群主要为企业管理者、战略规划者、首席数据官（CDO）、IT信息管理人员、产品经理、项目经理、数据架构师、开发人员等。
本书的主要内容
数据管理在各个行业都会有很多挑战，但DAMA数据管理体系的建立将有效降低数据管理的复杂度，提升数据治理的成功率。随着国家健康医疗大数据战略的政策落地，健康医疗行业对管理和利用数据的能力和愿望在增强，对可落地的数据治理实践的需求也在增加。
本书作为一本覆盖健康医疗大数据治理的指导书，面向数据管理专业人员的权威参考书，DMBOK通过健康医疗行业语言进行了重新诠释，支持DAMA在健康医疗行业的使命。
（1）为实施健康医疗机构或企业的数据治理实践提供功能框架，包括指导原则、最佳实践、落地的方法和技术、组织角色和可交付成果。
（2）为健康医疗数据治理概念建立行业术语表，并以此作为数据治理专业人员最佳实践的指南。
（3）为健康医疗数据治理专业人士的能力提升和认证考试提供实践参考指南。
本书的主体框架参照DMBOK，围绕DAMA-DMBOK数据管理框架的11个知识领域构建，同时又融合了健康医疗行业数据治理的一些特殊性，例如因为健康医疗数据强监管政策，将医疗数据的开放与共享独立出来讲解；又例如因为健康医疗行业的领域知识专业度较高，医疗术语管理和知识图谱构建也单独作为一个章节予以详细描述。在阅读本书之前，如果对DMBOK的框架结构提前进行熟悉，将更加有利于本书的阅读和理解。
本书并不是传统意义上的手册类书籍，因医疗行业的数据特殊性与知识特殊性，与数据相关的技术和规范均有更为详细的书籍进行阐述，所以本书推荐，在面临特定技术或特定法规政策与行业标准时参照其他手册类书籍进行协同阅读与学习。
本书的主体逻辑包括三大部分，共20章，在DMBOK知识框架结构的基础上，将DMBOK的数据治理框架理论和健康医疗行业的实践相结合，将加速读者的理解和知识框架的构建。
第一部分为健康医疗数据治理背景。
（1）引论DAMA数据治理知识体系
通过概要介绍DAMA数据治理知识体系，为健康医疗数据治理提供知识框架的背景知识。
阐述本书的框架结构，主体框架参照DMBOK，围绕DAMA-DMBOK数据管理框架的11个知识领域构建，同时又融合了健康医疗行业数据治理的一些特殊性。
（2）医疗行业数据治理现状
通过案例分别介绍医院数据治理现状、基层医疗卫生机构数据治理现状、公共卫生机构数据治理现状、卫生管理机构数据治理现状，以及其他机构的数据治理现状。
第二部分为健康医疗数据治理框架的实践。
（3）医疗数据架构
介绍医疗数据的价值，从数据架构和数据资产的视角分别予以阐述健康医疗数据治理的数据架构设计和数据资产管理。
（4）医疗数据建模和设计
通过介绍健康医疗行业常见的信息流通规范，以实际案例的方式介绍健康医疗行业的数据建模方法。
（5）医疗数据存储和操作
从健康医疗数据特征出发，介绍健康医疗数据管理底层的数据存储方法。
（6）医疗数据安全与隐私保护
在全球范围内，健康医疗数据都属于政策强监管范畴，为了符合监管政策，将通过隐私安全计算等技术手段和数据管理手段规避数据安全风险。
（7）医疗数据开放与共享
健康医疗数据价值最大化的有效手段是促进健康医疗数据的开放和共享，而目前因为患者数据所有权的不明确造成了一些困境，在不同的应用场景下通过数据权限分级可以解决部分问题。
（8）医院数据集成与互操作
健康医疗数据的集成和互操作方法，建议遵从美国HIE （Electronic Health Information Exchange，健康信息交换）健康医疗信息集成交换规范和中国互联互通标准的要求，有效提升数据集成的规范性。
（9）医疗文件和内容管理
分别从电子健康档案管理、医学文献管理、医学影像文件管理和医学多媒体文件管理出发，参照国内外实践经验，介绍知识管理方法和工具。
（10）医疗元数据治理
主要阐述为什么要进行元数据管理。包括数据集成方面、帮助理解数据方面、提高数据质量方面以及数据分析、数据上报等，贯穿医疗数据的全生命周期。
（11）医疗主数据管理
从医疗主数据管理的需求出发，例如如何识别一个人，分别从主数据的抽取、主数据的集成和主数据的维护进行讲解，实现主数据的标识和管理。
（12）医学术语与知识图谱
医学术语是健康行业语言，有效的医学术语管理是计算机能识别的前提条件，而对医学数据进行知识图谱的构建，将赋予计算机逻辑思维，有利于构建医疗的人工智能应用。
（13）医疗数据仓库与医疗健康智能
通过健康医疗行业的案例，讲述健康医疗行业数据仓库构建和基于健康医疗数据分析需求的BI构建。
（14）医疗数据质量
结合数据质量的管理和评估方法，分别从医院数据质量管控和区域数据质量管控2个维度出发介绍实践案例。
第三部分为有关知识领域章节外的其他主题。
（15）医疗数据治理成功案例与最佳实践
本章通过健康医疗行业内大量的实践案例集中介绍健康医疗数据治理的成功案例和最佳实践。
（16）健康医疗数据伦理与法规
描述了健康医疗行业关于患者健康数据应用的过程中，数据伦理规范的核心作用，对健康医疗数据管理的专业人员进行有效指导。
（17）国外数据管理与组织变革
描述了在健康医疗数字化转型背景下，国外数据管理与组织变革的实践经验，为国内健康医疗相关机构提供案例参考。
（18）数据管理成熟度评估
描述了现有的健康医疗数据管理成熟度评估的各种方法，同时提出了对未来健康医疗数据管理成熟度评价体系进行逐步完善的建议。
（19）医疗大数据应用
针对健康医疗行业大数据的应用场景，分别在精准医学、医疗人工智能方面予以阐述。
数据治理是一切数据相关操作的基础，数据治理的成功与否直接导致后期利用数据与管理数据的结局。本章意在引导读者更加快速地上手本书，以便更好地通过阅读本书的相应章节，掌握医疗数据治理的方法。
（20）健康医疗数据要素流通
描述了当前健康医疗数据要素流通的基本特征，以及相关法规政策、发展情况、跨境流通情况。
第 1 章 引论DAMA 数据治理知识体系介绍 / 1
1.1 DMBOK 简介 / 1
1.1.1 DAMA 国际和《DAMA 数据管理的知识体系指南》（DMBOK）的发展历程 / 1
1.1.2 DMBOK 的目标及用途 / 2
1.1.3 DMBOK 框架介绍 / 4
1.2 数据治理概述 / 7
1.2.1 数据治理概念 / 7
1.2.2 数据治理原则 / 7
1.2.3 数据治理参考框架 / 8
第 2 章 医疗行业数据治理现状 / 10
2.1 医疗卫生机构数据治理现状 / 10
2.1.1 医院数据治理现状 / 10
2.1.2 公共卫生机构数据治理现状 / 17
2.2 政府行业管理机构数据治理现状 / 18
2.2.1 卫生健康管理机构数据治理现状 / 18
2.2.2 医疗保障局数据治理现状 / 26
2.3 医药行业企业数据治理现状 / 30
2.3.1 医药研发行业的发展 / 30
2.3.2 临床 CRO 主要业务内容 / 30
2.3.3 临床 CRO 的数据管理 / 31
2.3.4 CRO 数据治理现状 / 31
2.3.5 基于数据治理的 CRO 数据管理进展 / 32
2.3.6 CRO 数据管理和数据治理的发展趋势 / 33
2.3.7 总结 / 34
第 3 章 健康医疗数据架构 / 35
3.1 健康医疗数据 / 35
3.1.1 健康医疗数据的定义和范畴 / 35
3.1.2 健康医疗数据的特征 / 37
3.1.3 健康医疗数据的价值 / 38
3.2 数据架构基本概念 / 40
3.2.1 数据架构 / 40
3.2.2 医院数据架构 / 40
3.2.3 数据架构能力评估等级标准模型 / 42
3.3 数据中台建设与架构 / 43
3.3.1 数据中台定义 / 43
3.3.2 数据中台的核心能力 / 44
3.3.3 医疗健康产业数据中台设计 / 44
3.4 数据资产管理 / 46
3.4.1 数据资产管理概述 / 46
3.4.2 数据资产管理框架 / 47
3.4.3 数据资产管理价值 / 48
3.4.4 数据资产管理策略 / 51
第 4 章 医疗数据建模和设计 / 53
4.1 医疗数据建模概述 / 53
4.1.1 医疗数据建模的困难与挑战 / 53
4.1.2 医疗数据模型的结构演变 / 54
4.1.3 医疗数据建模的模式演变 / 55
4.2 常见的医疗数据模型 / 55
4.2.1 openEHR / 55
4.2.2 HL7 RIM / 59
4.2.3 OHDSI OMOP CDM / 61
4.2.4 其它数据模型 / 64
4.3 医疗数据建模平台和方法 / 65
4.3.1 开放式协同建模平台 / 65
4.3.2 协同医疗数据建模方法 / 67
4.4 医疗数据建模案例 / 69
4.4.1 电子病历数据建模案例 / 69
4.4.2 专病医疗数据建模案例 / 78
第 5 章 医疗健康数据存储和操作 / 84
5.1 医疗健康数据存储需求现状 / 84
5.2 医疗健康数据存储和操作的主要特点 / 86
5.3 存储整合与优化 / 87
5.3.1 存储技术现状 / 87
5.3.2 统一存储架构 / 89
5.3.3 自动存储分层 / 90
5.4 虚拟化 / 90
5.4.1 存储虚拟化 / 90
5.4.2 业务服务器虚拟化 / 91
5.4.3 业务桌面虚拟化 / 92
5.5 云存储 / 92
5.6 区块链存储 / 93
5.7 存储安全与业务连续性 / 94
5.7.1 业务连续性 / 95
5.7.2 存储高可用与双活 / 95
5.7.3 备份与恢复 / 96
5.7.4 容灾 / 97
第 6 章 医疗数据安全与隐私保护 / 98
6.1 概述 / 98
6.1.1 数据安全 / 98
6.1.2 隐私保护内容 / 99
6.2 法律 / 101
6.2.1 美洲 / 102
6.2.2 欧洲 / 103
6.2.3 亚洲 / 105
6.3 技术 / 107
6.3.1 隐私安全计算 / 107
6.3.2 基于区块链的隐私保护计划 / 108
6.3.3 数据脱敏 / 109
6.3.4 数据沙箱 / 110
6.4 管理 / 113
6.4.1 医疗数据隐私安全风险点 / 113
6.4.2 医疗数据安全隐私模型 / 113
第 7 章 医疗数据开放与共享 / 115
7.1 概述 / 115
7.1.1 相关概念辨析 / 115
7.1.2 医疗数据开放共享的意义 / 115
7.1.3 数据开放的国际经验 / 116
7.1.4 我国医疗数据开放共享的现状和问题 / 117
7.2 医疗数据开放共享的原则、政策和法规 / 117
7.2.1 医疗数据开放共享的原则 / 117
7.2.2 医疗数据开放的政策和法规 / 118
7.2.3 医疗数据开放共享的关键流程 / 119
7.2.4 医疗数据开放共享的典型场景 / 122
第 8 章 医院数据集成与互操作 / 126
8.1 引言 / 126
8.1.1 ESB 介绍 / 126
8.1.2 ETL 介绍 / 128
8.1.3 HL7 介绍 / 128
8.2 医院数据集成和互操作流程 / 132
8.2.1 ESB 构建流程 / 132
8.2.2 ETL 构建流程 / 133
8.2.3 二者区别 / 134
8.2.4 二者融合 / 135
8.3 DICOM 标准 / 137
8.3.1 DICOM 标准概述 / 137
8.3.2 DICOM 标准内容 / 138
8.3.3 DICOM 基本概念 / 140
8.3.4 DICOM 信息对象定义 / 144
8.3.5 DICOM 消息交换和网络通信 / 145
8.3.6 DICOM 服务类 / 146
8.3.7 DICOM 文件格式 / 147
8.3.8 DICOM 图像 / 148
8.4 IHE 标准 / 149
8.4.1 IHE 标准概述 / 149
8.4.2 IHE 定义和构成 / 150
8.4.3 IHE 与 DICOM 及 HL7 的关系 / 153
8.4.4 IHE 认证测试 / 153
8.4.5 IHE 发展前景 / 154
第 9 章 医疗文件和内容管理 / 155
9.1 概述 / 155
9.1.1 医学文本管理 / 155
9.1.2 医学影像文件管理 / 156
9.2 医疗文件和内容管理国内外研究及实践 / 157
9.2.1 医疗健康档案管理研究及实践 / 157
9.2.2 医学文献管理研究及实践 / 158
9.2.3 医学影像文件和内容管理研究及实践 / 159
9.3 知识管理方法与工具 / 160
9.3.1 医疗文件和内容管理意义与目的 / 160
9.3.2 医疗文件和内容管理的 DMBOK2 理论支持 / 161
9.3.3 医疗文件和内容数据管理关键活动 / 162
9.3.4 医疗文件和内容数据管理方法、工具 / 163
第 10 章 医疗元数据治理 / 167
10.1 引言 / 167
10.1.1 医疗元数据治理介绍 / 167
10.1.2 医疗元数据治理的作用 / 167
10.1.3 元数据治理目标 / 168
10.1.4 医疗元数据类型 / 169
10.2 医疗元数据治理流程 / 170
10.2.1 明确医疗元数据需求 / 170
10.2.2 定义元数据架构 / 171
10.2.3 开发和维护元数据标准 / 172
10.2.4 医疗元数据的整合 / 173
10.2.5 元数据管理制度与标准落地 / 173
10.2.6 医疗元数据检索 / 174
10.3 医疗元数据治理应用 / 175
10.3.1 数据地图 / 175
10.3.2 元数据分析 / 175
10.3.3 血缘分析 / 175
10.3.4 影响度分析 / 176
10.3.5 变更管理 / 176
10.3.6 重要程度分析 / 177
10.4 医疗元数据治理活动 / 178
10.4.1 医疗元数据知识库 / 178
10.4.2 元数据知识图谱 / 178
10.4.3 元数据生命周期管理 / 178
10.4.4 治理结果评估 / 179
第 11 章 医疗主数据管理 / 180
11.1 医疗主数据管理概述 / 180
11.1.1 医疗主数据 / 180
11.1.2 医疗主数据管理 / 181
11.1.3 医疗主数据管理的重要性 / 182
11.2 医疗主数据管理内容 / 183
11.2.1 医疗主数据管理标准化体系 / 183
11.2.2 医疗主数据管理保障体系 / 184
11.2.3 医疗主数据管理成熟度 / 187
11.3 医疗主数据管理实践 / 191
11.3.1 概述 / 191
11.3.2 主数据提取与数据治理实践 / 193
11.3.3 主数据融合实践 / 195
第 12 章 医学术语与知识图谱 / 197
12.1 医学术语与知识图谱概述 / 197
12.1.1 医学术语与知识图谱基本概念 / 197
12.1.2 医学术语与知识图谱应用价值 / 198
12.1.3 国内外医学术语与知识图谱研究现状和难点 / 199
12.2 现有常用医学术语与知识图谱 / 200
12.2.1 一体化医学语言系统 / 200
12.2.2 SNOMED CT / 201
12.2.3 人类疾病本体 / 202
12.2.4 中文一体化医学语言系统（CUMLS） / 202
12.2.5 中医药语言系统（TCMLS） / 203
12.3 医学知识图谱构建 / 203
12.3.1 知识图谱技术体系 / 203
12.3.2 知识图谱构建常用工具 / 206
12.3.3 医学知识图谱构建流程 / 209
12.4 医学知识图谱应用 / 214
12.4.1 语义检索 / 214
12.4.2 智能问答 / 214
12.4.3 辅助诊疗 / 决策 / 215
12.4.4 医疗保险风险预测 / 216
12.4.5 药物研发 / 216
12.4.6 公共卫生事件应对 / 217
第 13 章 医疗数据仓库与医疗健康智能 / 218
13.1 数据仓库 / 218
13.1.1 数据仓库定义与核心概念 / 218
13.1.2 数据仓库概念结构 / 219
13.1.3 数据仓库基本术语 / 221
13.2 数据仓库开发 / 223
13.2.1 构建流程 / 223
13.2.2 构建技术 / 229
13.2.3 数据仓库产品 / 233
13.3 医疗数据仓库 / 234
13.3.1 临床数据仓库 / 234
13.3.2 临床数据仓库的建设 / 236
13.4 医疗数据仓库案例 / 236
13.4.1 孟加拉医疗数据仓库 / 236
13.4.2 重症医学数据仓库 / 239
第 14 章 医疗数据质量 / 242
14.1 数据质量问题产生的原因 / 242
14.1.1 质量模型与质量维度 / 242
14.1.2 数据生命周期与数据质量问题的溯源 / 243
14.1.3 临床数据生命周期 / 245
14.2 数据质量评估方法 / 246
14.2.1 质量度量定义 / 246
14.2.2 整体评估流程 / 248
14.2.3 评估方法分类与比较 / 249
14.3 数据质量评估工具 / 254
14.3.1 工具设计要点 / 254
14.3.2 数据质量评估工具实现与使用部署 / 259
14.4 数据质量评估案例 / 271
14.4.1 医院数据质量评估案例 / 271
14.4.2 区域数据质量评估案例 / 274
第 15 章 医疗数据治理成功案例与最佳实践 / 278
15.1 四川省人民医院 / 278
15.1.1 数据困境 / 278
15.1.2 治理举措 / 279
15.1.3 治理成效 / 300
15.2 广东省人民医院数据治理实践及成果展现 / 301
15.2.1 数据治理背景 / 301
15.2.2 系统数据源 / 307
15.2.3 数据治理规划与流程 / 307
15.2.4 数据的治理规范 / 311
15.2.5 数据的应用场景 / 314
15.3 中山三院数据治理平台实例 / 317
15.3.1 数据治理建设背景 / 317
15.3.2 数据来源信息 / 317
15.3.3 数据治理规划与流程 / 318
15.3.4 数据的治理规范 / 326
15.3.5 数据的应用场景 / 326
15.3.6 数据治理的成果 / 328
15.4 宜昌市疾控与卫建数据治理案例 / 328
15.4.1 数据来源背景 / 328
15.4.2 数据治理 / 330
15.5 医疗保障基金飞行检查 / 334
15.5.1 数据准备 / 335
15.5.2 数据筛查 / 336
15.5.3 数据治理在飞行检查中的意义 / 336
15.6 复旦大学附属肿瘤数据治理流程及成果展现 / 337
15.6.1 数据治理建设背景 / 337
15.6.2 数据来源信息 / 337
15.6.3 数据治理规划与流程 / 337
15.6.4 数据的治理规范 / 344
15.6.5 数据的应用场景 / 345
15.6.6 数据治理的成果 / 348
第 16 章 健康医疗数据伦理与法规 / 349
16.1 健康医疗数据相关概念和法学研究进展 / 350
16.1.1 健康医疗数据概念 / 350
16.1.2 数据法律性质与权利认定 / 351
16.2 数据相关立法和政策趋势 / 352
16.2.1 政策引领 / 352
16.2.2 法律完善 / 353
16.3 司法实践 / 356
16.3.1 数据保护的法律适用 / 356
16.3.2 典型案例概述 / 356
16.4 伦理规制 / 357
16.4.1 明确伦理原则 / 358
16.4.2 完善伦理审查机制 / 358
16.4.3 细化知情同意程序 / 359
16.5 国家标准和行业示范文本 / 359
16.6 健康医疗数据价值和权益理论及构建路径 / 359
16.6.1 健康医疗数据的价值理论 / 359
16.6.2 健康医疗数据价值权益和权益构建的五项原则 / 360
16.7 推动健康医疗大数据有序开放 / 370
16.7.1 健康医疗大数据有序开放的窗口机遇期已经显现 / 370
16.7.2 完善健康医疗大数据治理体系 / 371
第 17 章 国外数据管理与组织变革 / 373
17.1 数据管理与组织变革概述 / 373
17.2 医院数字化转型组织变革 / 374
17.2.1 国外现代医院管理变革简介 / 374
17.2.2 梅奥诊所的数字化转型案例 / 379
第 18 章 数据管理成熟度评估 / 385
18.1 DCMM 数据管理能力成熟度评估 / 385
18.1.1 能力域和能力项 / 385
18.1.2 成熟度评估等级 / 391
18.2 信息互联互通标准化成熟度测评 / 392
18.2.1 互联互通测评的技术理论与方法 / 393
18.2.2 互联互通测评的标准规范化文件 / 395
18.2.3 互联互通测评的对象 / 395
18.2.4 互联互通测评的流程 / 395
18.2.5 互联互通测评的主要内容 / 395
18.2.6 互联互通测评的分级要求 / 397
18.2.7 互联互通测评的等级评定 / 401
18.3 医院智慧管理与智慧服务分级评估 / 402
18.3.1 医院智慧管理分级评估标准体系 / 402
18.3.2 医院智慧服务分级评估标准体系 / 402
18.4 DAMA 框架 / 403
第 19 章 医疗大数据应用 / 407
19.1 概述：医疗大数据的应用 / 407
19.2 大数据分析在医疗大数据中的应用 / 407
19.2.1 大数据分析与一般数据分析的区别 / 407
19.2.2 大数据分析的应用场景 / 408
19.2.3 大数据分析的产出与结果 / 409
19.2.4 大数据分析案例 / 410
19.3 精准医学与医疗大数据 / 410
19.3.1 精准医学的定义 / 410
19.3.2 精准医学与大数据的关系 / 411
19.3.3 如何利用大数据支撑来实现精准医学 / 411
19.3.4 精准医学的未来 / 412
19.3.5 精准医学的相关案例 / 413
19.4 人工智能与医疗大数据 / 414
19.4.1 人工智能在医疗大数据中的关系与位置 / 414
19.4.2 人工智能在医疗大数据中的应用场景 / 414
19.4.3 人工智能在医疗大数据中应用时面临的问题 / 416
19.4.4 人工智能与医疗大数据的未来发展方向 / 417
第 20 章 健康医疗数据要素流通 / 419
20.1 健康医疗数据流通基本特征 / 419
20.1.1 基本现状与核心挑战 / 419
20.1.2 数据流通的主要方式 / 420
20.1.3 数据流通闭环管理体系 / 422
20.1.4 医疗数据流通标准指南 / 423
20.2 健康医疗数据流通法规政策 / 425
20.2.1 国家层面 / 425
20.2.2 省市层面 / 426
20.3 数据空间与健康医疗数据流通 / 427
20.3.1 数据空间基本内涵 / 427
20.3.2 数据空间发展历史 / 428
20.3.3 健康医疗数据空间案例 / 428
20.4 健康医疗数据的跨境流通 / 430
20.4.1 基本现状 / 430
20.4.2 合作机制 / 431
20.4.3 监管要求 / 432
20.4.4 核心挑战 / 432
附录 / 433
书单推荐
