——基于国家数据局《关于推进行业高质量数据集建设行动的实施方案》的分析

一、政策背景：行业高质量数据集上升为国家战略

二、关键趋势：近三年医疗AI数据与高质量数据集发展

 趋势一：AI医疗市场规模与高质量数据需求同步攀升

趋势二：国家数据标注基地建设初具规模（含医疗垂直领域）

• 形成高质量数据集 524个，总规模超 29PB（医疗、工业、教育等）
• 服务国产AI大模型 163个
• 标注从业人员 5.8万人，带动产值超83亿元

趋势三：全国高质量数据集总量激增（含医疗子集）

三、政策驱动因素深度解析

四、技术创新方向：医疗高质量数据集的突破点

1. 多模态融合数据集构建

2. 人机协同专家标注+AI预标注

3. 合成数据（Synthetic Data）破局隐私壁垒

4. 可信数据空间+隐私计算实现"数据可用不可见"

五、头部企业典型案例

▍讯飞医疗（02506.HK）——"数据飞轮"落地范本

• 数据基座：九年积累，每日超170万人次真实诊疗数据回流，累计辅助诊疗超9亿次；2025年高质量训练数据总量同比增长30%，医学知识库近10亿篇。
• 数据集形态：构建专病大模型数据集+安徽影像云（接入1970+公立医院，汇聚1亿+人次影像数据），形成影像质控+标注一体化数据集。
• 应用成效：星火医疗大模型X1全科辅助诊断合理率94%，专科主诊断合理率90%，超越GPT-4o部分指标。

▍东软智能医疗——多模态医学影像标注平台

• 研发医学影像分割大模型MISM，内置130+预标注算法，覆盖人体23个部位、233个数据集，标注医学影像超20万例、图像超1亿张。
• 标注效率提升两个数量级（100倍+），成本降60%+，参与制定心血管影像CT标注专家共识。

▍医渡科技（02158.HK）——结构化病历高质量语料库

• AI中台连接3000+医院，构建超10亿条结构化病历数据，形成经脱敏、归一化、ICD编码映射的高质量医疗语料库，支撑专病研究和大模型微调。
• 参与多地公卫大数据治理，推进数据集资产化探索。

▍腾讯健康 × 深圳罗湖——区域医疗语料中心

• 2025年联合深圳市人民医院、罗湖医院集团、迈瑞医疗共建区域医疗语料中心，首期建设病理诊断、体检、超声影像、体重管理等7类高质量数据集。
• 腾讯觅影辅助诊断工具已服务基层医院，形成"临床使用→数据回流→模型迭代"闭环。

▍上海申康×万达信息——多模态专病金标准数据集

• 基于上海医联工程，构建覆盖24个主要病种的高质量多模态数据集（训练集46.5万例+金标准测试集4.4万例），支撑多家企业获NMPA医疗器械注册证，节省研发成本近2亿元。

六、挑战与展望

• 医疗数据跨机构共享仍受制于患者隐私、知情同意与机构间信任机制
• 高质量专家标注资源稀缺，标注标准尚未全国统一
• 数据集资产入表、估值、交易的实操细则待配套政策完善