一、数据安全

医疗数据涉及个人数据隐私方面的问题，因此要特别注意个人数据隐私保护，中国《网络安全法》规定“网络运营者不得泄露、篡改、毁损其收集的个人信息;未经被收集者同意，不得向他人提供个人信息。但是经过处理无法识别特定个人且不能复原的除外”

虽然AI医疗公司在使用数据时要进行数据的无法识别特定个人处理，这在一定程度上能够帮助AI医疗公司规避数据安全问题，但仍旧无法完全避免数据安全问题的产生。

二、数据开放受限

中国的医疗数据开放程度有限，主要体现两个方面：一是境内与境外的流通限制，二是医院与医院或医院与公司之间流通的限制。

境内与境外的限制其实很简单，这个各个国家都有相关规定，而且有的国家规定的更加严格，比如美国和欧洲。在医院与医院的流通限制方面，我国大部分的医院数据都是独立存在的，流通起来相对困难，更谈不上共享和数据交叉应用及数据变现。

三、数据标准差异

我国人口众多，医疗数据丰富，但”数据大“不等于 “大数据“，临床数据不够统一和规范，不同地区、不同医院之间的数据没有建立起联系，也没有统一的标准，因此价值也得不到体现。

四、伦理争议

尽管AI在医疗行业取得了令人瞩目的进展，但不可否认的是，AI的应用依然存在一系列的伦理问题，比如：AI造成了个人信息泄露，导致医疗事故，责任方是谁?AI的使用造成了医疗人员的失业，引发医疗产业结构的转型，社会应该如何应对?诸如此类的问题很多，都需要行业从业者去面对和解决。

五、数据成本高

所有基于AI的医疗技术，都是以”数据“为基础的，目前AI医疗公司获得数据的渠道分为三种：第一，与医院合作科研项目;第二，从公开数据集下载数据;第三，购买数据。

总体来说，获取数据的成本主要在数据获取和数据标注上，而随着模型训练的逐步深入，数据吞吐量可能会是几何级数增长，代价也会水涨船高，这无形中为实现大数据医疗增加了负担。

关于大数据医疗行业的发展痛点的内容，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。