在早期，大部分医疗相关数据以纸质形式存在，而非电子数据存储，如正式医疗记录、费用记录、护士和医生书写的病例记录、处方药记录、X光记录、磁共振成像（MRI）记录、CT图像记录等。随着强大的数据存储、计算平台和移动互联网的发展，医疗数据的爆炸式增长和快速的电子数字化成为趋势。上述医疗数据在不同程度上转化为数字。移动互联网、大数据、云计算等领域的技术与医疗领域的跨境整合。新兴的技术和新的服务模式迅速渗透到医疗的各个方面，使人们的医疗方式发生了重大变化。为我国医疗事业带来了新的发展机遇。
#大医疗数据应用
大数据技术在医学领域的技术水平和业务水平上具有非常重要的应用价值。大数据技术可应用于非结构化数据的分析与挖掘、大量实时监测数据分析等，为医疗卫生管理系统建设、综合信息平台等业务层面提供技术支持：大数据技术可为医生提供。临床辅助决策和科研支持，为管理者提供管理辅助决策、行业监督、绩效考核支持，为居民提供健康监测支持，为药品研发提供统计分析和治疗行为分析支持。
![](http://img.blog.itpub.net/blog/2019/02/11/6f5093ec0113b782.jpeg?x-oss-process=style/bb)
#1.大数据在医疗系统和信息平台建设中的应用
大数据技术通过建立海量医疗数据库，为国家卫生综合管理信息平台、电子健康档案资源库、国家卫生监督信息系统、妇幼保健业务信息系统、医院管理平台等提供基础数据源。网络信息共享和实时数据监控，并提供数据源的存储、更新、挖掘和分析。管理和其他职能。通过这些系统和平台，医疗机构可以实现对同一级别检查结果的相互认可，节约医疗资源，减轻患者负担；患者可以实现网络预约、远程医疗、医疗保险信息即时结算。
> 很多小伙伴，对大数据的概念都是模糊不清的，大数据是什么，能做什么，学的时候，该按照什么线路去学习，学完往哪方面发展，想深入了解，想学习的同学欢迎加入大数据学习Qun：775908246，有大量干货（零基础以及进阶的经典实战）分享给大家，并且有清华大学毕业的资深大数据讲师给大家免费授课，给大家分享目前国内最完整的大数据高端实战实用学习流程体系。

![](http://img.blog.itpub.net/blog/2019/02/11/192949f34a197f4c.jpeg?x-oss-process=style/bb)
#2、大数据技术在临床辅助决策中的应用
在传统的医学诊断中，医生只能依靠目标患者的信息和自身的经验和知识储备，这有很大的局限性。大数据技术可以将患者的图像数据、病历数据、检测结果、诊疗费用输入大数据系统。通过机器学习和挖掘分析的方法，医生可以得到相似症状患者的发病机理、病因和治疗方案，这对于医生更好地掌握疾病的诊断和治疗具有重要意义。

#3、大数据技术在医学研究中的应用
在医学研究领域，利用大数据技术对各种数据进行筛选和分析，可以为科研工作提供强有力的数据分析支持。例如，在健康风险因素分析的科学研究中，利用大数据技术可以系统、全面地收集健康风险因素的数据，包括环境因素、生物因素、经济社会因素、个人行为和心理因素、医疗卫生服务因素、人体健康因素等。然后对生物和遗传因素进行比较相关分析，并对其进行不同地区和家庭的评价。对部分疾病的家系特征和区域分布进行了评价和选择，并进行了研究。
![](http://img.blog.itpub.net/blog/2019/02/11/db964d90142b2160.jpeg?x-oss-process=style/bb)
#4、大数据技术在健康监测中的应用
在居民健康监测方面，大数据技术可以提供居民的健康档案，包括所有的医疗信息和体检信息，为患病居民提供更有针对性的治疗方案。对于健康居民，大数据技术整合相关信息，通过挖掘数据智能监控居民健康，通过移动设备定位数据分析影响居民健康的因素，为居民提供个性化的健康事务管理服务。

#5、大数据技术在药物研发及药物副作用中的应用
在药物研发方面，制药企业可以通过大数据技术从互联网上分析疾病药物需求趋势，确定更有效的投入产出比，合理配置有限的研发资源。此外，制药企业可以通过大数据技术优化物流信息平台和管理，并利用数据分析预测新药的早期上市。在药物副作用的研究中，大数据技术可以避免传统方法如临床试验法、药物副作用报告分析法等样本量小、样本分布有限的问题。与药物有关的不良反应可以从数百万患者的数据中找到。由于样品尺寸大、分布广，所得结果更具说服力。此外，还可以从社会网络中搜索大量服用某种药物的人的不良反应记录，通过比较分析和数据挖掘方法，更科学、更全面地获得药物的副作用。
![](http://img.blog.itpub.net/blog/2019/02/11/d11499a493ed5dc9.jpeg?x-oss-process=style/bb)
#小结
我国在应用大数据方面面临着许多困难。最重要的是，数据共享的顶层设计，如政策法规、伦理研究和安全技术，没有做好充分的准备。医院内部和医院之间存在着许多孤立的信息孤岛，科研机构之间的数据共享名称也已不复存在。虽然我们在基因测序技术、计算科学和机器学习方面有一些优势，但缺乏临床数据系统的测试，这些数据很难产生信息和知识，更不用说应用和行动了。在科技部近期发布的精准医疗科技项目中，顶层设计的不足已被纳入构建良好医疗大数据应用生态系统的关键支撑内容。认为政策导向可以促进学术界、医学界和工业界的联动，共同促进医学数据在我国公共卫生、临床医学和基础医学的进步中发挥作用，促进人民的福祉。

ITPub博客

大数据技术：让看病更加靠谱！

最新文章