医疗数据交易爆发，交易所开始蜂拥圈地

撰稿｜赵泓维

数据晋升生产要素第四年，医疗数据交易终究有所起色。

调研上海、北京、贵州等国内主要数据交易所的已上架医疗数据产品可见，数据供给方呈逐年攀升之势，可交易的品类愈发多元，交易数量、交易金额总量随之成倍增长。

公开披露的医疗数据交易项目（部分）

数据背后，本质是通用AI能力的广泛认可与医疗垂直AI应用的规模化落地，促成了医疗数据交易的自然高速增长。

此外，各地大数据局及下属机构也在规模下场，他们主动寻求企业合作，开拓了新的数据业务，又加速吸引了供需双方的入场。

过去一年间，已有北京数据先行区合作一脉阳光共建高质量医疗影像数据库；杭州数据交易所，杭州市数据要素创新中心协同德适科技签署战略合作；陕西丝路数据交易中心携手扬子江医药、数字西安技术运营（集团）有限公司等共建医疗数据融合创新研究平台；

一种新型共建式的数据供需生态已有雏形。

不过，医疗数据的归属权问题仍然悬而未决，交易所现有的供需体量也远远没有达到数据高速流通所需的规模条件。

能否及时乘着全球AI的风口，快速迈入千亿规模的医疗数据流通时代，还需交易所、供需企业、监管机构等各方协力作战，让医疗数据交易市场高效跑起来。

01

交易所：

主动打响资源争夺战

高质量医疗数据从来不缺需求方。

理想情况下，高质量数据孕育的AI能将顶级医生的能力复刻，消除医疗体系的医生供给缺口；能将药物的平均开发时间由10年缩短为4年，让更多患者有药可医治、可负担。

但在实际中，医疗领域需求极度分散，药企要研发数据，械企要训练数据，保险要精算数据，一家机构的数据产品往往只能满足极窄的切口。

因而，供给与需求的匹配难度远高于其他行业。

目前，交易所主要困境在供给方太少。出于数据安全考量，很多医疗机构不愿意承担数据交易风险，大量高质量数据处于闲置状态，没能进入交易市场。

针对这一问题，不同省市分化出多种探索路径。

一条是交易所深度服务模式。

以上海数据交易所为例，为第一时间获取顶级的临床数据，该所从数据确权、合规评估到产品挂牌全程介入，以一对一的方式贴身服务重点三甲医院，目前已取得华山医院、瑞金医院等机构的影像及专病数据产品挂牌。

除支持场内交易外，上海还构建了特定病种的可信数据空间。

这种模式既能保证数据的存储、管理与流通，确保数据的高效利用；从技术支持、安全保障等多方面为数据空间的运行提供全方位支撑；又能提供构建数据连接器、数据空间运营服务平台、数据空间门户三大组件，为用户提供了一个便捷的交互界面，方便用户访问和使用数据空间内的资源。

应用得较好的幽门螺杆菌数据空间，便是采用体系化建设架构来保证数据可用不可见，以技术化解决数据的隐私、合规问题。

另一条是地方政府主导的数据可信空间模式。

在这种模式下，数据不离开本地，在由政府搭建的可信空间内完成数据服务交易，供需双方无需直接交换原始数据，药械企业只能带走计算结果。

2024年7月，广州市卫生健康委联合广州数字科技集团启动广州卫生健康行业可信数据空间建设，按照"原始数据不出域、数据可用不可见"的原则推进院企合作。

截至目前，已有40多家医院入驻，完成超千万条医疗数据交易。

首笔交易由广州医科大学附属妇女儿童医院完成——一家新生儿黄疸仪器械公司希望在可信空间内获取设备测试评估报告，医院与空间运营方合作，通过数据沙箱等技术输出结果，原始数据始终留在空间内。

此外，各地还涌现出其他差异化探索。

福建当前采用的是公共数据授权运营加场景孵化的政府主导模式，医疗数据被作为公共资源，由交易所统一承接授权，扮演数据海关和孵化器的双重角色。

它既监管数据出口，又主动设计场景产品，吸引企业参与加工。这种模式的优势在于数据源权威，标准化程度高，容易快速起量。

但交易所的高度介入，可能会一定程度干扰供给方对于数据集的设计，筛选掉部分符合市场需求的数据。

西安方面目前聚焦区域专科优势和中医药特色，走专病牵引的产学研融合路线。

交易所像一个技术经纪人，撮合医院与药企通过协议转让、联合实验室等方式深度合作，让数据直接为科研服务。

近日，西安大数据局便与扬子江药业达成合作。双方围绕中药经典名方研发与真实世界数据应用，由交易所提供合规框架和撮合支撑，探索数据驱动的中药新药开发。

该合作围绕骨科专病的真实世界数据研究，由当地龙头医院提供脱敏诊疗数据，扬子江药业利用这些数据开展中药品种的二次开发与疗效评价。

打法的分化是交易所发展的必然趋势。虽在地域分布上有差异，但由于优质资产较少，交易所之间仍存在较强的竞争关系。

因此，如今的交易所不仅需要提供安全、可靠的展示、流通功能，还必须输出足够有吸引力的附加服务，协助处理数据，并将主动将交易双方撮合在一起。

至于归属权问题，当下整个行业的共识是暂时搁置，等待医疗数据交易初成规模后早做商讨。

02

供给企业：

高毛利背后的困局与机遇

对于手握数据的医疗机构，数据交易正成为一项崭新的增收手段，交易所和各地政府的积极介入更是放大了这一机遇。

一脉阳光是直观例证。一脉阳光在数据流通领域借助着北京先行先试的区位优势，率先按照政策指引及场景指引完成了数笔匿名化及评估后的数据交易，在数据交易领域取得扎实成果及相对收益。

这是因为，公司有医疗AI矩阵，其交易的数据源于其训练模型时自行清洗的数据，成本早已在研发环节被摊薄，数据产品因而能够贡献相对可观的边际利润。

据弗若斯特沙利文《2026 AGI时代全球数智医学影像生态产业发展白皮书》描述：一脉阳光已形成较为系统的医学影像数据服务能力，累计影像数据达2853万余例，日均新增约2万例，兼容12种全模态影像，覆盖300余种病种及500余种亚型病种，数据飞轮已有雏形。

此外，构建单一数据集产品后可实现多次重复交易，未来每一笔额外的交易都能摊薄医疗数据产品的构建成本。

不过，一脉阳光的案例并不能被企业轻松复制。

一方面，当下数据集的成本很高。

若是出售企业过往训练遗留的数据集，毛利率可以超过90%，但若从零开始构建数据集产品，从收集数据、治理数据，到律所评估、确立资产、平台交易，一套流程跑下来需要供给方付出至少10万元成本。

另一方面，由于医疗领域需求过于分散，难以形成“爆款需求”，导致市场上很少看到成规模的专职数据供给团队，供应端的薄弱正制约着交易所的发展。

而一脉阳光采用的路径通常只能由医疗机构借鉴。

这类机构将已经有的数据集打包为可供交易的资产上架交易所进行二次销售，这些资产组成了现有交易所中挂牌的绝大多数产品。

需要注意的是，作为供给方，盲目规模化扩大数据产能存在一定风险。

当下主流的方式是在场内进行沟通，场外通过外置硬盘的方式拷贝交易数据，存在数据泄露风险，转向可信数据空间可以解决一定问题，实现更可控的数据资产交付。

但在成本方面，每个可信数据空间的搭建都需要部署一定规模的算力进行加密计算。在非交易时段，大量算力将处于闲置状态，造成明显的资源浪费。

要消解这种算力空转，只能等待数据交易量真正冲上高坡，使算力被高频复用，逐步拉低平均成本。

03

规模化之后，

重估医疗AI价值链条

尽管种种问题阻碍了医疗数据资产交易的快速前行，但趋势已不可逆。

过去，AI企业基于临床数据进行应用研发时，往往被有限几家合作医院的数据局限，训练的模型容易带上地域性偏差，难以通用化。

当医疗数据交易真正形成规模以后，企业有望摆脱对单点医院的依赖，在研发之初就综合多地、多源的数据，制造出鲁棒性更强的智能模型。

这还会让AI产品的商业销售更为独立，从源头上避免与医院的知识产权纠葛。

对医疗机构而言意义同样不言而喻。

数十年间，它们反复谈论医疗大数据的治理价值，为此建起众多大数据中心，但始终是一笔巨额成本。

如今数据交易初有起色，治理终于有望从成本中心转化为收入引擎，开拓出全新的增收空间。

毕竟，医疗数据资产拥有极具弹性的价值空间，一旦能够加速药械研发、提升医院运营效率，随之爆发的衍生价值将远超交易过程本身产生的直接收益。

和所有产业一样，医疗健康数据商业模式的真正跑通，需要经历一个爆发式的投资期，越过峰谷，才能感受到边际成本递减带来的收益。

眼下，数据资产的大规模投资尚未到来，但积极信号已经出现。

或许不用三年，这个拥有千亿级潜力的市场就会真正崛起。

它的意义远不止增加一个交易品类，而是一种重塑数智医疗价值创造逻辑的新方式将随之涌现，带动整个数字医疗产业迭代升级。

*封面图片来源：AI生成

秒追医疗健康产业创新

声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。文中如果涉及企业信息和数据，均由受访者向分析师提供并确认。

点喜欢