解鎖健康數據資源潛力：新質生產力賦能智能健康信息服務

摘" "要：在國家大力支持健康事業、數智科技迅猛發展的背景下，健康信息服務作為“健康中國2030”目標的重要組成部分，面臨著新的發展要求。文章基于新質生產力理論，在數據驅動和智能信息處理的內涵、理論及方法指導下，分析了新質生產力賦能智能健康信息服務的邏輯起點、現實動力和實踐進路，進一步構建并提出了新質生產力賦能健康數據資源基礎優化，健康知識多主體協同形成，以及服務機制優化轉型的邏輯架構和具體方式，以期為新質生產力賦能智能健康信息服務的具體實現提供參考。

關鍵詞：新質生產力；健康信息服務；健康數據資源；邏輯起點；現實動力；實踐進路

中圖分類號：G203" "文獻標識碼：Ａ" "DOI：10.11968/tsyqb.1003-6938.2024070

Unlocking the Potential of Health Data Resources：New Quality Productivity Enabling Health Information Intelligence Services

Abstract With the country's strong support for the health industry and the rapid development of digital technology， health information services， as an important part of the \"Healthy China 2030\" goal， are facing new development requirements. Based on the theory of new quality productivity， under the guidance of the connotation， theory and method of data-driven and intelligent information processing， this paper analyzes the logical starting point， practical driving force and practical approach of new quality productivity empowering intelligent health information services， and further constructs and proposes the logical framework and specific methods of new quality productivity empowering the optimization of health data resource foundation， the collaborative formation of multiple subjects of health knowledge， and the optimization and transformation of service mechanisms， in order to provide a reference for the specific realization of new quality productivity empowering intelligent health information services.

Key words new qualitative productivity; health information services; health data resources; logical starting point; realistic motivation; practical approach

近年來，我國健康事業在國家大力支持和投入下取得了顯著進展。健康信息服務作為“健康中國2030”目標的重要組成部分，隨著健康事業的不斷推進，亦面臨著新的發展要求［1］。自黨的十九大召開以來，國家進一步加大了對大數據、人工智能等數智技術與經濟、產業及公共事業加速融合的重視。這一趨勢標志著我國正逐步邁向以系統經濟和智能算法為核心的社會，正式步入數智化時代［2］。數字科技的蓬勃發展，不僅塑造了全新的經濟形態，在深度賦能傳統產業與公共事業的過程中，同樣推動著健康信息服務形式與內容的革新，為其新一輪的變革與深度轉型奠定基礎［3］。

盡管健康信息服務在部分領域已取得顯著進展，但在我國健康醫療事業持續發展、健康信息服務普及化要求不斷提高以及社會需求不斷增長的新形勢下，仍面臨諸多挑戰。對現有健康信息服務系統深入了解后發現，其雖作為公眾獲取健康信息服務的主要途徑，但應對公眾對健康信息內容、應用和服務方式等全面需求變化時，在服務精準性、易用性與個性化層面仍存在較大缺失，服務質量與覆蓋面整體不足［4］。究其根本在于現有的數據生產力模式難以充分挖掘和利用海量健康數據，導致健康數據資源采集效率、挖掘深度與智能化分析處理能力均較為薄弱，數據資源的利用有效性不高，進而影響了健康信息服務的效果，限制了其進一步發展的潛力，難以適應當下公眾對健康信息服務個性化需求激增與利用方式的不斷變化。

時下，新質生產力以新技術、新模式、新機制驅動生產力質變提升的內涵要求，有望通過技術創新和模式革新，全面指導健康信息服務質量和效率的提升，推動其向更高效、更優質的方向發展，確保用戶及時獲取高質量的健康信息服務，以應對公眾需求新變化與服務模式滯后的矛盾［5］。鑒于新質生產力強調對數據資源的深度挖掘和利用，因此可通過有效使用先進的數據分析技術與人工智能算法等，以智能化策略實現健康信息服務的高效、快速、優質、精準和個性化［6］。這一模式的核心邏輯在于依托新質生產力內嵌的數智技術，以健康數據資源為生產要素，智能化實現健康數據的處理、分析、挖掘和提取等過程，并對生成結果進行深度理解與優化應用，將健康數據中的潛在價值轉化為實際的健康效益，生成滿足用戶健康需求的知識結果集，實現健康數據資源潛力的釋放。同時滿足用戶獲取精準匹配的具體健康信息與智能服務，輔助用戶更加科學、智能、高效地開展相關健康活動。

因此，本文將立足于新質生產力，探討新質生產力賦能智能健康信息服務的邏輯起點、現實動力和實踐進路，以期為解鎖健康數據資源潛力，智能優化資源配置，提升健康信息服務的整體效果和用戶體驗提供新思路，同時助推新質生產力引領智能健康信息服務的創新發展。

1" "新質生產力賦能智能健康信息服務的邏輯起點

新質生產力是以現代科技為核心驅動的一種革命性生產力形態，其核心特征不僅在于技術創新和效率提升，更在于對傳統生產要素、生產關系和生產方式的全面重構。與傳統生產力依賴勞動力、資本和土地等生產要素不同，新質生產力的新要素以數據資源、數智技術、知識創新為基礎，強調技術的共同作用，以及生產力的智能化、高效化和精準化［7］。這些新要素具備高度的可擴展性和適應性，能夠實現跨行業、跨領域的深度整合，進而推動相應領域生產方式和生產關系發生根本性變革，這種變革將使資源配置變得更加高效，生產效率大幅提升，同時催生出全新的服務模式和價值鏈［8］。在健康信息服務領域，新質生產力也能注入全新的技術基礎、服務模式和創新理念，并通過深刻影響其生產要素、生產關系與生產方式，推動傳統健康信息服務的智能化升級與轉型。

1.1" " 生產要素變革

生產要素是生產活動中最為基礎的組成部分，在新質生產力賦能的智能健康信息服務中，其所涉及的健康數據資源不僅是信息存儲與傳遞的載體，更是一種蘊含深層價值潛力的生產要素［9］。對于這一潛力，新質生產力賦能下的解鎖起點可由技術路徑率先展開。首先，新質生產力可通過大數據處理、人工智能算法與物聯網等技術的集成，對分散于多主體中的健康數據資源進行系統化整合。這種整合并非簡單的物理集中，而是通過數智技術、智能算法等實現健康數據間語義關系的重構，進而使健康數據資源在智能健康信息服務中具備動態適配性與向知識轉化的能力，并成為支持健康預測、決策等服務的重要驅動因素。其次，新質生產力還可推動健康數據資源從“孤立輸入”向“循環生產”的邏輯轉變。依靠智能計算，新質生產力可強化健康數據資源的流動性和價值性，使其能夠不斷地被激活、分析與再利用，從而進入到循環增值的體系之中［10］。這一賦能邏輯表明，新質生產力不僅能夠重新定義健康數據資源在健康信息服務中的生產要素地位，還可為其智能化轉型提供高效數據資源支持。

1.2" " 生產關系變革

健康信息服務中的生產關系是生產主體圍繞健康數據資源與健康知識生成所形成的互動結構，其演化邏輯決定著生產系統的協同效能。在新質生產力的賦能驅動下，這一生產關系可由傳統的單向供給模式過渡到多主體協同模式，同時構建出更加開放、動態的生產關系網絡［11］。該方式中，新質生產力主要通過技術手段強化健康數據資源的共享與互聯，并使各生產主體（醫療機構、企業、科研單位、用戶等）在統一的標準與技術平臺上形成協同關系，這種協同關系不僅作用于健康數據資源的共享層面，更體現在健康知識生產的協同層面。這一關系中，健康數據資源不再僅僅是各主體的封閉資產，而是可在協同環境中通過技術挖掘共同生成高附加值健康知識的價值資產。而在多主體協同過程中，不同主體的角色與功能也將逐漸趨于多樣化與動態化，傳統的供給與需求關系被打破，轉而形成以健康知識共創為基礎的結構化生產關系機制。此外，新質生產力還可通過相關技術支撐用戶數據的主動參與，將用戶在健康信息服務中的生產關系地位，從被動接收者轉變為健康知識生產的協同主體，進一步促進生產關系邏輯的重心從“生產端主導”向“多方協同”演化，并重構健康知識的生產路徑。

1.3" " 生產方式變革

生產方式是生產資源在具體組織與應用過程中形成的實現形式，直接決定了生產效率與供給的精準性［12］。新質生產力在賦能智能健康信息服務中，可主要通過“需求驅動”和“知識資源動態匹配”來實現生產方式的深度變革。首先，新質生產力能夠通過數智技術和用戶健康數據分析，實現對個體需求變化的動態捕捉，進而將健康信息服務中的用戶需求從被動接收的輸入信號轉化為生產邏輯的核心驅動，形成“需求感知-生產組織-動態反饋”的生產鏈條，使健康信息服務擺脫傳統供給導向的靜態生產方式，轉向高度靈活的動態響應機制。其次，新質生產力還可通過精準匹配技術與算法，實現健康信息服務供給與用戶需求的最優連接。在這一生產方式中，用戶健康數據不僅作為用戶需求的表征工具，也成為生產組織的直接輸入要素，并可依托智能算法，在相關數據驅動下動態調整對應的知識資源配置，使健康信息的服務邏輯不再依賴于預設流程，而是跟隨用戶需求和數據變化進行智能調整，從而實現健康信息服務與用戶需求之間的高效適配。

2" "新質生產力賦能智能健康信息服務的現實動力

2.1" " 健康數據資源的價值潛力

健康數據是指信息網絡技術與傳統的公共衛生、醫療服務、醫療保障、藥品管理、計劃生育、綜合管理等6大業務深度融合，以及“互聯網+醫療健康”“物聯網+醫療健康”和“人工智能+醫療健康”等新興領域，所產生的與健康領域相關的數據［13］。當前，李岳峰等在按照全民健康信息化的框架基礎上，對健康數據資源進行了系統化分析［14］，提出將健康數據資源的類目分為新型業態、基礎信息、公共衛生、計劃生育、醫療服務、醫療保障、藥品管理和綜合管理8個類型（見表1）。本文將在此基礎上通過進一步討論，以明確健康數據資源在新質生產力賦能下的價值潛力。

（1）多類型挖掘潛力

健康數據資源的多樣性源于健康系統的復雜性，涵蓋新型業態類、基礎信息類、公共衛生類和醫療服務類等多類別健康數據資源，其內含豐富內容價值的同時，也為新質生產力賦能健康數據資源整合、挖掘和利用提供了多樣化的價值路徑。新質生產力作為賦能智能健康信息服務的核心驅動力，其所內嵌的數智技術可介入實現對多類型健康數據資源的高效整合與深度挖掘，并通過對跨類型健康數據資源間的關聯分析，在充分利用不同類型數據間補充關系的基礎上，打破單一數據源的局限性，進而揭示個體健康與社會、環境等多方面的復雜因果鏈條，形成全面的健康視圖，助力實現精確的智能健康信息服務［15］。

（2）多層次挖掘潛力

健康數據資源復雜的資源特征反映著健康關聯領域多維度與多層次的本質。以異構化特征為例，高度結構化的健康數據通過標準化和格式化的方式呈現精確的健康相關參數，這類健康數據易于建模和分析，有助于通過新質生產力賦能，揭示健康的規律性變化；而低結構化的健康數據則蘊含著豐富的潛在健康行為和生活方式等信息，可通過賦能揭示出與個體相關的健康行為模式、情緒狀態或潛在健康風險等，并彌補結構化數據的局限性［16］。同樣，較高隱私性要求的健康數據資源往往具有高個性化信息密度的特征，能夠通過新質生產力的賦能，提供出關于特定健康問題或個體健康狀況的深度洞見，其精確性和針對性有助于個性化健康信息服務的制定與執行［17］；而隱私性要求較低的健康數據則可通過大規模的群體分析，揭示廣泛的健康趨勢和風險模式，有助于群體性健康信息服務的優化與推廣。由此可見，健康數據資源的復雜特征，實際拓寬了新質生產力賦能健康數據資源的多層次、多維度整合挖掘，進而提升智能健康信息服務對多維需求的適應與響應能力。

（3）動態性挖掘潛力

健康數據資源的動態性本質上以數據的實時產生和變化為特征，是新質生產力賦能下驅動健康信息服務從靜態式干預向連續性智能優化轉型的重要基礎。從時間維度看，這種動態性為健康信息服務提供了相較于靜態數據無可比擬的潛力優勢，即不僅能夠隨時間推移持續表現健康狀態的變化，還蘊含揭示健康相關早期信號與發展趨勢的潛力。在新質生產力的賦能下，實時變化的健康數據不再是孤立的瞬時記錄，而是可通過數智技術的智能分析，轉變為一個具備連貫性、預測性和可分析性的健康數據網絡。這種轉變基于對瞬時健康變化的整合與動態建模，使得健康數據能夠從單一記錄演化為一種持續反映健康狀態的動態信號，并同時將健康數據所蘊含的信息轉化為可操作的健康服務前置策略。由此，健康信息服務得以具備實時優化服務的能力，并逐步從單點響應升級為基于持續監測、精準干預和前瞻預測的動態智能服務模式。

2.2" " 數智技術的驅動能力

數智技術作為新質生產力的核心要素，在賦能健康信息服務智能化轉型過程中，主要通過實現對健康數據資源的賦能分析以及與健康信息服務邏輯的深度融合，為智能健康信息服務提供驅動力。

（1）數智技術賦能健康數據資源的整合分析

健康信息服務的核心生產要素是健康數據資源，而健康數據資源的多樣性與復雜性等特征，決定了其在生產過程中對技術賦能的高度依賴。首先，健康數據資源來源廣泛，既包括結構化的數據庫信息等，也涵蓋非結構化的新型業態信息等，而新質生產力賦能下的數智技術，能夠實現對這些多元化異構數據的高效整合與深入分析，挖掘潛在的健康知識，促進健康信息服務的提升［18］。其次，健康數據在個體、群體層面的信息差異性，能夠通過機器學習與深度學習等算法，從海量健康數據中識別并提煉出有價值的個性化健康模式，以提升健康信息服務的精準度與針對性。此外，物聯網與云計算等技術的結合，還可實現對實時生成和變化的健康數據的采集、傳輸與處理，進而支持健康信息服務的動態響應。更為重要的是，健康數據通常涉及較高的隱私性和敏感性，區塊鏈、隱私保護計算等技術能夠在確保健康數據隱私與安全的前提下，實現跨機構、跨領域的數據協同與分析，從而提供可信的數據共享與處理環境。由此可見，數智技術能夠為健康數據資源提供全新的處理與分析路徑，并擴展健康信息服務的潛在邊界。

（2）數智技術與健康信息服務邏輯的深度融合

數智技術與健康信息服務邏輯的深度融合，主要體現在對健康信息服務中數據處理模式、系統協同機制以及服務價值邏輯的重構。從數據處理模式來看，數智技術可通過對健康數據的實時采集、深度挖掘和智能分析，推動健康信息服務由基于經驗和規則的靜態供需匹配模式，轉向依托大數據和人工智能的高度自適應智能決策模式。在系統協同層面，數智技術可通過構建分布式智能架構，實現健康服務主體間的深度聯通與動態協同，這種協同機制有助于突破傳統機構中心化的運行模式，使服務向去中心化和網絡化方向轉型，進一步提升服務系統運行的靈活性和整體效能。在服務價值邏輯方面，數智技術可推動健康信息服務由以功能供給為導向的傳統邏輯，向以用戶需求為核心的服務主導邏輯轉變［19］。基于實時數據和智能算法，健康信息服務能夠更高效地識別并預測用戶的個性化需求，并通過調整服務內容與方式，實現精準的信息服務匹配與響應，同時通過建立用戶需求、健康知識資源和服務策略之間的智能適配關系，形成服務雙方協同、數據循環利用、價值持續提升的閉環邏輯。

3" "新質生產力賦能智能健康信息服務的實踐進路

由于新質生產力賦能智能健康信息服務的核心要點在于對健康信息服務系統中若干關鍵環節的重塑，因此基于前述探討和現有信息服務的基本關系結構［20］，新質生產力賦能智能健康信息服務的實踐進路，具體可從賦能健康數據資源的基礎優化，賦能健康知識的多主體協同形成以及賦能服務機制的優化轉型這三個層面進行展開。

3.1" " 賦能健康數據資源的基礎優化

由于傳統健康數據資源普遍存在分散性、異構性和冗余性等問題，嚴重制約了健康數據資源的協同共享、價值挖掘和實際應用，因此新質生產力賦能下對健康數據資源的基礎優化，實際是對健康數據質量、可用性和流動性等的全面提升［9］。具體可通過賦能于健康數據資源的采集、清洗、整合與優化等關鍵環節，并借助數智技術的嵌入和系統化處理流程，在確保健康數據完整性、準確性與一致性的前提下，重新定義健康數據的生產邏輯，推動健康數據資源從分散的資源形態向高效的資產形態轉變（見圖1）。

健康數據的獲取是所有過程開展的基礎條件，首先，在數據采集階段，針對當前健康數據資源的類別和獲取來源，可主要采用云采集、網絡爬蟲、物聯傳感等智能數據采集技術，并結合人工檢索、外購數據源和機構提供等方式實現健康數據的匯集。其次，由于健康數據資源來源多樣且異構特征顯著，為確保數據能夠滿足未來智能健康服務系統的標準化調用需求，可結合異構數據集成、語義識別與理解等智能數據處理技術，進一步通過賦能數據選擇、格式轉換、語義對齊、一致性管理和標準化集成等過程，統一多元健康數據，解決語法異構、語義異構和數據資源自治等問題，實現數據集成［21］。第三，在數據清洗階段，利用相似性匹配與聚類算法、有效性規則檢測模型、孤立點識別等智能算法可協助去除數據噪聲，清洗重復數據，驗證數據完整性和有效性，并排除孤立點數據，確保數據總體的準確性與可靠性。第四，數據變換階段可進一步通過旋轉、投影、切換、規范和歸納等多種方式處理數據，并借助特征模式分析算法、關聯規則挖掘算法與多維結構生成算法，逐步實現健康數據的特征識別、結構化處理、歸納處理以及多維數據組織形成，進而提取數據的不變式，優化數據組織結構，使其更易于分析與利用［22］。最后，為提升健康服務系統的數據分析效率，還可結合重要性評估算法、特征選擇與優化算法、數據抽樣與壓縮算法等，通過健康數據屬性影響評估、重要屬性特征選擇和數據抽樣流程，進而優化數據結構與縮減數據維度，提升數據處理效率和知識發現效果，確保數據更高效地支持后續分析和應用需求。

3.2" " 賦能健康知識的多主體協同形成

在新質生產力賦能的智能健康信息服務系統中，健康知識的形成本質上是一個高度復雜且依賴多主體協同實現的健康數據分析體系，其核心目標是通過技術賦能與分析支持，將來自不同健康數據提供主體、具有不同內涵的健康數據，轉化為各類有價值的健康知識。由于全面健康知識的形成并非單一主體所能完成，因此這一過程需依賴新質生產力賦能，在實現多主體協同參與的基礎上，遵循大數據環境下數據挖掘與信息分析的一般流程路徑［23］，可通過建立數據關聯、數據挖掘、評估與分析、知識單元形成以及知識網絡構建階段來最終實現（見圖2）。

首先，數據關聯階段旨在根據健康數據的內在特征與語義內涵，通過構建適當的關聯規則并匹配相應的關聯算法，發掘不同健康數據之間潛在的關聯關系與規律。其次，數據挖掘階段需要優先定義數據挖掘任務的具體目標，界定數據挖掘所需達成的具體方向，并選擇與目標一致的數據子集，隨后根據目標選擇適合的挖掘方法，并據此確定具體的算法與技術手段，通過構建和訓練數據挖掘模型，實現既定的挖掘目標。第三，評估分析階段側重于對數據挖掘模型的性能進行全面評估，確保其在數據挖掘任務中的準確表現，并通過多維度驗證手段評估模型的可靠性與魯棒性，確保其在處理異常數據時的穩定性。此外，該階段還可對挖掘結果的可解釋性、有效性、倫理合規性及數據隱私保護進行綜合評估，以保障挖掘結果的科學性與合規性。第四，知識單元形成階段可通過從數據挖掘結果中提取有價值的知識信息，并對其進行系統化與結構化處理，隨后依據數據內涵對知識進行深度整合，以增強知識單元的實用性與全面性。此外，為確保形成知識單元的準確性與可靠性，還可從多維度進行驗證，并建立持續更新機制，確保其在動態變化的應用環境中保持時效性與科學性。最后，在知識網絡構建階段，能夠將分散的知識單元進行系統化組織，通過定義其內在關系類型，構建知識單元之間的相互聯系，并基于初步形成的知識網絡結構設計框架，在以圖形化方式存儲各知識單元及其關聯關系的基礎上構建知識圖譜，同時驗證其有效性。在這一知識形成過程中，多主體可主要在關聯規則建立、挖掘目的定義、挖掘結果可解釋性和有效性評估以及知識驗證等關鍵環節中實現協同參與，從而促進對潛在偏差的修正與數據挖掘模型的優化，確保最終形成的健康知識具有較高的準確性、可靠性和應用價值。

3.3" " 賦能服務機制的優化轉型

服務機制的優化轉型是健康信息服務向智能化、個性化以動態化發展的必然趨勢。通過新質生產力的賦能，可推動健康信息服務機制從傳統的全域靜態供給模型轉向基于用戶需求的實時動態反饋與精準推薦。這一轉型不僅改變服務的提供方式和效率，還推動實現健康信息服務從“適應用戶需求”向“預測用戶需求”的智能轉變。其具體實現方式在于依托新質生產力賦能，構建用戶需求挖掘與健康知識資源匹配機制。

（1）用戶需求挖掘機制

實現高效的智能健康信息服務，全面且精準地掌握用戶特征與需求是其關鍵前提。現階段，數字化健康醫療系統與移動健康應用已成為提供個性化健康信息服務和互動的核心載體［24-25］。圍繞所載用戶相關數據，以用戶畫像技術結構為基礎，結合數據挖掘和人工智能等技術手段，能夠深入解析用戶的健康興趣、關注點及個性偏好等信息，并逐步建立起用戶健康信息知識庫，通過對該知識庫的再挖掘，可更精準地構建用戶健康畫像，實現高效識別用戶健康需求［26］。該過程可由用戶健康數據的收集、處理與預測三個主要環節開展，并依托數據采集、數據處理、標簽提取、用戶畫像以及需求預測五個核心步驟單元實現（見圖3）。

為確保精準刻畫用戶畫像，可主要面向用戶的基本信息、醫學健康系統中的記錄數據、健康與行為監測信息、主觀體驗數據以及健康應用平臺的相關健康數據進行采集。由于相關數據形式多樣且結構復雜，還需通過數據處理單元執行數據清洗、集成、規約與轉換等預處理操作，以清除異常數據、剔除冗余數據、填補缺失數據并規范化數據類型。基于預處理后的標準化數據，可進一步進行分類、聚類、關聯分析及融合操作，確保為后續分析提供高質量數據基礎。標簽提取單元可協助實現對用戶健康數據的多層次分析與推斷、用戶特征識別、典型用戶選取與用戶標簽生成。該環節首先可依托機器學習與深度學習技術，深入挖掘相關數據，精準識別用戶核心特征，隨后采用基于密度的空間聚類算法（DBSCAN），根據用戶特征對用戶群體進行無監督聚類，識別具有特定特征的用戶群體［27］，進一步還可利用支持向量機（SVM）模型篩選出具備代表性的典型用戶［28］，并借助關聯規則挖掘方法，揭示各類典型用戶的特征間聯系，通過分析高頻特征組合，完成用戶標簽的精確提取。用戶畫像單元則可將提取的用戶標簽根據其內涵劃分為生理健康、疾病狀態、生活行為健康、心理健康和醫療服務使用五大維度，并通過相關系數過濾、LASSO回歸與隨機森林模型算法，逐步實現候選標簽的篩選、重要標簽的認定及擬合度排序［29］，最終構建健康患者、預防性健康和群體健康三類用戶畫像。最后，需求預測單元可基于構建的用戶畫像模型，結合神經協同過濾算法與聚類算法，實現與健康知識資源標簽的匹配與推薦，從而有效識別用戶實際健康需求，還可融合自適應學習模型與預測模型，動態監測和解析用戶健康相關數據，挖掘用戶潛在健康需求，并預測其未來健康需求趨勢。

（2）用戶需求與健康知識資源的匹配機制

用戶需求與健康知識資源的動態精準匹配，是智能健康信息服務機制方式優化轉型的重要依托，其核心在于構建用戶需求與健康知識資源庫之間的系統化映射模型，從而為后續的智能信息服務提供有效的關聯邏輯支持。這種映射關系可由新質生產力賦能為驅動，基于自然語言處理、知識圖譜、機器學習和推薦系統的綜合技術方案，形成動態適應性強、智能化水平高的匹配機制，從而有效滿足用戶需求，并實現需求與健康知識資源的高效對接（見圖4）。

在用戶需求與健康知識資源映射的實現過程當中，可首先通過自然語言處理（NLP）技術解析用戶需求，提取關鍵信息與用戶意圖。同時，構建健康信息知識資源網絡，設置相關健康知識信息作為網絡節點，并組織節點間的結構化關聯關系。在此基礎上，借助新質生產力驅動的知識圖譜技術，可實現用戶需求關鍵信息與知識網絡中相關節點的接入與匹配。此外，在匹配過程中，還需在明確匹配原則與設定匹配閾值的前提下構建匹配模型，通過該模型可從健康知識資源庫中篩選出符合用戶需求的相關知識資源，并依據匹配度進行排序，按優先級逐步推送給用戶，進而確保用戶需求與健康知識資源的精準對接與有效傳遞。該過程還可結合機器學習和深度學習算法，綜合NLP解析結果與知識網絡匹配結果，通過訓練和優化模型，提升系統對用戶健康信息需求的理解與識別，促進個性化推薦算法的構建。最后，反饋數據還可用于映射模型的更新優化，以進一步提升映射關系的準確性。

4" "新質生產力賦能智能健康信息服務的技術基礎

新質生產力賦能健康信息服務智能化轉型的支持基礎，在于充分運用各類前沿數智技術，實現健康知識的高效生成和服務業務等流程的全面智能化。依托相關技術體系，智能健康信息服務能夠支撐健康數據資源的高效采集、精準處理、深度分析，以及業務場景的無縫嵌入和信息智能服務等各個環節。同時，根據不同的健康需求或信息知識支持類型，通過合理組合與優化技術配置，還可確保技術方案與實際應用的高度契合與高效運行［30］。基于相關技術的有效部署，新質生產力賦能下的智能健康信息服務系統可主要依賴五大技術群，來貫穿各個關鍵環節（見表2）。

健康信息服務的智能化轉型過程，首先依賴于新質生產力賦能下各前沿數智技術的深度嵌入與協同互補，貫穿健康信息服務系統從健康數據采集、分析決策支持到智能信息服務應用等的全鏈條技術支撐和創新融合。在此過程中，新質生產力內嵌的物聯網、云計算等技術可構建從健康數據采集到傳輸的高效通道，并實現對健康數據的實時收集和遠程監控。通過提供統一的數據存儲與計算平臺來實現海量健康數據在分布式環境中的高效存儲與便捷調用，解決健康數據存儲的分散性和訪問效率問題，為健康數據的整合與分析奠定堅實基礎。運用大數據、人工智能等技術對海量健康數據分析與挖掘，推動健康數據從被動存儲向有意義的信息流轉化，賦予智能健康信息服務系統問題識別與解決方案生成的能力。這些技術體系的協同作用促使健康數據能夠全面流動，跨越不同平臺形成資源網絡，同時技術體系間基于健康信息服務系統中作用交匯處所形成的緊密系統，還可共同推動健康信息服務系統的整體智能化進程。通過強化健康數據流動性與系統整合能力，促使健康信息服務系統由分散的信息處理模式逐步向集成化智能平臺轉型，最終實現以智能決策為核心的健康信息服務系統。

此外，各項技術在健康信息服務智能化轉型中不僅作為基礎設施發揮作用，更憑借其具備的數據自適應和智能演化能力，為實現健康信息的高效生成和個性化服務提供強有力的支撐。通過整合大數據分析、人工智能深度學習與模式識別算法、云計算的實時計算能力以及物聯網的數據采集與傳輸功能，健康信息服務系統能夠實現對海量健康數據的廣泛采集與精準處理，并基于對歷史健康數據的積累挖掘與對即時健康數據流的動態分析，輔助決策系統持續跟蹤用戶健康變化，預測并生成用戶的實時健康需求，從而引導決策系統做出更準確的智能健康信息反饋與服務決策。同時，每一次智能決策與數據反饋又為系統優化積累了重要依據，使健康信息服務系統能夠在持續不斷的數據積累中，形成自我智能演化的能力［34］。這一過程不僅增強了健康數據的流動性與靈活性，還隨著健康數據反饋與相關實時信息的不斷注入，實現健康信息服務的循環優化，進而使智能健康信息服務系統能夠在不同環境和用戶需求下根據健康狀態變化，通過健康數據驅動，在多維度、多場景下實現動態信息服務調整與優化，并提供更具精準性、時效性的智能健康信息服務內容與方案，從根本上顛覆傳統健康信息服務的泛化與標準化靜態模式，發展為全面智能化、個性化與持續性的智能健康信息服務生態系統。

5" "結語

新質生產力是我國新歷史時期社會、經濟、文化發展的主動力，推進新質生產力賦能智能健康信息服務，既是對新一輪經濟社會變革要求的呼應，也是未來我國健康信息服務發展的長期命題。因此，以新質生產力賦能為創新基礎，依托數智技術，通過對健康數據資源的有效挖掘與利用，將數據的潛在價值轉化為實際的健康管理效益，推動健康信息服務向更高效、更優質的方向發展，使用戶能夠更及時地獲取高質量的健康信息和服務，最終促進整體健康水平提高的這一方式，不僅有助于滿足社會公眾對健康信息服務需求的日趨變化，也對今后更為科學地利用健康數據資源、塑造以健康數據資源為核心的智能健康信息服務具有重要意義。

本文針對社會公眾健康信息需求變化與當前服務方式滯后的供需不平衡問題，以新質生產力為引領、深入探討了新質生產力賦能智能化健康信息服務的邏輯起點、現實動力和實踐進路，以期為未來充分發揮新質生產力的理論引領優勢，推動智能健康信息服務領域的新技術融合、新理念實施、創新應用等提供參考。

參考文獻：

［1］" 中華人民共和國中央人民政府.中共中央國務院印發《“健康中國2030”規劃綱要》［EB/OL］.［2024-10-25］.https：//www.gov.cn/zhengce/2016-10/25/content_5124174.html.

［2］" 邱均平，付裕添，張蕊，等.數智時代管理科學與工程的發展特點及趨勢分析——基于科研、教育與技術應用視角［J］.中國科技論壇，2023（6）：130-141.

［3］" Qu J，Simes R，Mahony J.How do digital technologies drive economic growth［J］.Econo-mic Record，2017，93（S1）：57-69.

［4］" 錢旦敏，楊英杰，鄭建明，等.國內外健康信息服務研究動態述評［J］.數字圖書館論壇，2018（8）：66-72.

［5］" 崔云.數智技術促進新質生產力發展探析［J］.世界社會主義研究，2023，8（12）：97-109，120.

［6］" 謝中起，索建華，張瑩.數字生產力的內涵、價值與挑戰［J］.自然辯證法研究，2023，39（6）：93-99.

［7］" Sonja D，Daniel O，Benedikt L，et al.Focusing the Customer Through Smart Services：A Literature Review［J］.Electronic Markets，2019，29（1）：55-78.

［8］" 徐政，鄭霖豪，程夢瑤.新質生產力賦能高質量發展的內在邏輯與實踐構想［J］.當代經濟研究，2023（11）：51-58.

［9］" Saeed S，Shaikh A，Memon M A，et al.Impact of Data Mining Techniques to Analyze Health Care Data［J］.Journal of Medical Imaging and Health Informatics，2018，8（4）：682-690.

［10］" Nambisan S，Lyytinen K，Majchrzak A，et al.Digital innovation management：Reinventinginnovation management research in a digital world［J］.MIS Quarterly，2017，41（1）：223-238.

［11］" 任保平，李培偉.人工智能時代新質生產力與新型生產關系的良性互動［J］.四川大學學報（哲學社會科學版），2024，（5）：25-34，207-208.

［12］" 焦勇，高月鵬.數據要素賦能新質生產力涌現：供給創新與需求牽引的解釋［J］.新疆社會科學，2024（4）：38-51，173.

［13］" 國務院辦公廳.關于促進和規范健康醫療大數據應用發展的指導意見（國辦發〔2016〕47號）［Z］.2016-06-21.

［14］" 李岳峰，胡建平，張學高.中國健康醫療大數據資源目錄體系與技術架構研究［J］.中國衛生信息管理雜志，2019，16 （3）：249-256.

［15］" Gaspard H，Beakcheol J，Wook K，et al.Health Big Data Analytics：A Technology Survey［J］.IEEE Access，2018，6：65661-65678.

［16］" 胡瑤琳，余東雷，王健.“健康中國”背景下的健康醫療大數據發展［J］.社會科學家，2022，299（3）：79-87.

［17］" Valdez A C，Ziefle M.The users' perspective on the privacy-utility trade-offs in health recommender systems［J］.international journal of human-computer studies，2019，121：108-121.

［18］" Tao X，Velásquez J.Multi-source information fusion for smart health with artificial intelligence［J］.Information Fusion，2022，

83：93-95.

［19］" 劇曉紅，王文韜.國外移動電子健康信息服務研究動態述評［J］.情報理論與實踐，2018，41（2）：149-154.

［20］" 胡昌平.信息服務與用戶［M］.武漢：武漢大學出版社，2008：240-241.

［21］" 孫凱，賈萍，李威蓉，等.地學數據本體支持下的科學數據集成方法［J］.中國科技資源導刊，2017（6）：45-52.

［22］" 周宇，廖思琴.科學數據語義描述研究述評［J］.圖書情報工作，2017（12）：136-144.

［23］" 高偉，薛夢瑤，于成成.面向大數據的情報分析方法和技術體系研究［J］.情報理論與實踐，2019，42（12）：43-48，35.

［24］" 虞銘明，張迺英，李月娥.醫療健康大數據分析的關鍵技術與決策支持［J］.中國科技論壇，2018（11）：53-62.

［25］" 方霽，潘威旭，林徐勛，等.移動健康信息服務的個性化運動目標決策研究［J］.管理工程學報，2024，38（1）：253-265.

［26］" Amato G，Straccia U.User profile modeling and applications to digital libraries［C］//International conference on theory and practice of digital libraries.Berlin，Heidelberg：Springer Berlin Heidelberg，1999：184-197.

［27］" 王帥，紀雪梅.基于在線健康社區用戶畫像的情感表達特征研究［J］.情報理論與實踐，2022，45（6）：179-187.

［28］" 尤明輝，殷亞鳳，謝磊，等.基于行為感知的用戶畫像技術［J］.浙江大學學報（工學版），2021，55（4）：608-614.

［29］" Wang H，Wang G.Improving random forest algorithm by Lasso method［J］.Journal of Statistical Computation and Simulation，2021，91（2）：353-367.

［30］nbsp; 翟興，肖源，王若佳，等.數智環境下智慧健康信息服務體系構建研究［J］.情報科學，2022，40（10）：43-50.

［31］" 王蘭成，敖毅，曾瓊.異構多信息源組織與集成技術的研究現狀及其進展［J］.現代圖書情報技術，2006，134（3）：68-85.

［32］" Tran T，Alexander F，Christoph T，et al.Recommender systems in the healthcare domain：stateoftheart and research issues［J］.Journal of Intelligent Information Systems，2020，57（1）：1-31.

［33］" Eom J，Lee D，Lee K.Patient-Controlled Attribute-Based Encryption for Secure Electronc Health Records System［J］.Journal of Medical Systems，2016，40（12）：253-262.

［34］" Dong N，Yin H，Ren B，et al.Research on Network Cognition Model and Mechanism of Intelli-gent Information Network［J］.China Communications，2023，20（2）：257-277.

作者簡介：邱均平，男，杭州電子科技大學管理學院、中國科教評價研究院、數據科學與信息計量研究院資深教授，博士生導師，研究方向：信息計量與科教評價；付裕添，男，杭州電子科技大學管理學院博士研究生，研究方向：健康信息與智能服務；宓秦澤，男，杭州電子科技大學管理學院博士研究生，研究方向：信息分析與應用；胡博，男，杭州電子科技大學管理學院博士研究生，研究方向：數據科學與數據智能；徐中陽，男，南京大學信息管理學院博士后，研究方向：信息資源管理與大數據分析；張廷勇，男，杭州電子科技大學管理學院博士研究生，研究方向：信息資源管理與服務。