与其他类型的大数据相比，医疗大数据几乎包含了公民的所有个人信息，从最为隐密的身体、疾病信息，到个人生活轨迹，到住所、医疗保险、财产信息等等。而不同的个人信息对应不同的法律保护规则，因此有必要对医疗大数据进行法律分类。

　　2、患者在网络购药过程中形成的交易数据。在移动、互联网条件下的购药，有关药品交易的名称、价格、数量、病人信息等，自得成为大数据。这些在智能化终端形成的交易数据亦不会进入病历，属于非病历医疗大数据。

　　分类的前提是确定分类标准。鉴于本文旨在探讨医疗大数据的法律规制，而法律规制的目的在于平衡个人权利与他人权利，即所谓群己权界。就医疗大数据而言，所谓个人权利主要是隐私保护，所谓他人权利主要是医疗大数据的所有者对大数据的合理使用。故按隐私的远近和合理使用的风险，并结合现有法律规范，对医疗大数据，我试分类如下：

　　医疗大数据是大数据之一种。大数据系相对一般数据而言，是指使用常规软件难以捕捉、管理、分析的大容量数据。美国学者维克托迈尔舍恩伯格将大数据解释为是人们获得新的认知、创造新的价值的源泉，是改变市场、组织机构，以及政府与公民关系的方法。通过大数据分析，医学家可以更便捷地预测一种新的诊疗手段的疗效;交易员能及时解读看似杂乱无章的交易数据，作出交易决策;政府能够同步分析长江各流域的堤坝数据，指导抗洪救灾，等等。因此，通过分析大数据可以获得新知识，实现新决策，创造新价值。

　　凡能定义成病历的医疗大数据，其制作与管理，应当遵守国家关于病历的法律规定，包括《病历书写基本规范》、《医疗机构病历管理规定》、《执业医师法》、《侵权责任法》、《医疗事故处理条例》等等。最基本的规范包括，对病历中患者隐私的绝对保护，医嘱时间应当精确到分钟，所有病历的书写者均应当实名，修改病历应当保留原始痕迹并有医生签名，病历应当随时可被患者复制，应当保证能够被封存，应当在法律规定的时限内完成相关病历数据的录入等等。

　　病历之外的其他医疗大数据，可称之为非病历医疗大数据。非病历医疗数据与病历医疗大数据的关键区别在于是否系医生针对特定患者在诊疗行为中形成。

　　1、疾病诊疗过程中形成的非病历医疗大数据，如前文所述，在CT、MRI、血透、肾透、DSA等检查、治疗过程中形成的相关参数，这些参数虽与人的身体健康相关，但却不为医生记入病历，仅在计算机程序中储存，不能归入病历医疗大数据，而应归入非病历医疗大数据。另外，患者在诊疗过程中形成的缴费数据包括医保与非医保，含医院的收费细目、疾病谱等等，不会纳入病历，应归入非病历医疗大数据。在大数据条件下，这些数据可能被系统分析，而产生新的价值。

　　根据国家卫计委《病历书写基本规范》第一条的规定，病历是指医务人员在医疗活动过程中形成的文字、符号、图表、影像、切片等资料的总和，包括门(急)诊病历和住院病历。病历由医生直接记载了公民的身体、疾病等最隐私信息，是公民行使人身保护权利时最重要的法律证据，国家对病历的书写、管理、使用也制定了最完善的法律规范，病历数据有着不同于非病历数据的显著特点，因此宜单独作为一个类别。

　　但是，病人自行购买、自行采集的可穿戴设备数据，大型自动化设备如CT仪、MRI仪、B超机、血透装置、各种管腔介入治疗仪、甚至是手术PG电子官方平台入口机器人等等，经这些设备的计算机程序自动运行而获得的数据，比如CT扫描时获得的各种身体参数，血透时获得的即时体温、血压、血滤液的成份、密度等等，这些数据虽然亦很重要，但并未经过医生主观分析、采集而记入病历中，与医生的医疗行为无关，因此不能成为病历，亦不构成病历医疗大数据。此类数据，我归之于下列的非病历医疗大数据。当然非病历医疗大数据不限于此。

　　导读：医疗大数据是相对于一般数据而言，指的是人们从大数据软件分析、管理、捕捉大容量数据，以达到对大数据分析获得新的认知，从而创造新的价值的来源。医疗大数据呈现这互相矛盾的两个特征，个人信息更加模糊也更加明晰。因为医疗大数据几乎包含公民所有的个人信息，包括医疗、饮食、住所，旅行登记等，对此我们有必要对个人权利做到隐私保护，同时对除了个人权利信息以外的大数据合理利用，降低个人隐私安全风险，以医疗法律规范医疗大数据使用。

　　医疗大数据在大数据中处于极其重要的地位，一方面，现代社会，人的健康在世界各国的民生中越来越处于举足轻重的地位;另一方面，移动/互联网医疗、自动化分析检测仪、可穿戴设备的普及等等，使得患者、医生、企业、政府各方都成了数据的直接创造者，每天产生海量的医疗数据。

　　与一般的医疗数据相比，在法律上，医疗大数据呈现两个相互关联的基本特征，一是个人信息的特征更模糊。可识别性是个人信息最本质的特征，比如单份病历，只要拿到原始病历，有关个人的可识别性特征如姓名、住所、年龄、婚姻、疾病等一览无余，但是对于一份打包的医疗大数据，如经可穿戴设备而采集的大量人群的大数据，如非专业的分析软件，单凭普通手段很难从原始数据中发现可识别的个人信息;二是个人信息更容易被分析。这与第一个特征似乎矛盾，但事实如此，比如即使所有病历都隐藏了姓名、年龄、住所等隐私信息，但在大数据条件下，经更加广度、深度的搜索，结合其他特征，完全有可能将一份病历中被隐藏了的个人信息还原出来。

　　当然并非所有的病历都构成医疗大数据。通常情况下，门急诊病历由患者自己保管，住院病历由医院按份单独保管，不会形成医疗大数据。但是，当这些病历数据经由计算机大数据技术而被录入、管理及分析时，却可能构成医疗大数据。医院采用电子病历系统而形成的病历，构成医疗大数据。

　　此外，移动、互联网医疗条件下，医生经过移动端、电脑端对病人进行咨询、会诊、转诊等而形成的电子数据，或者在医生建议下经由可穿戴设备而获得的化验、检查数据等等，因为符合病历的基本定义医务人员在医疗活动过程中形成的文字、符号、图表、影像、切片等资料的总和，故亦应当定义为病历，由此形成的大数据，构成病历医疗大数据。