医疗大数据概念是什么？医疗大数据有哪些应用，能够给人们的生活带来怎样的影响？同时，医疗大数据未来发展又是怎样？下面我们将详细介绍。

大数据技术已经应用在电信、金融、教育、医疗、军事、电子商务甚至政府决策等几乎所有的领域，尤其在医疗领域的应用越来越多，因此，大数据技术在医疗领域的项目管理逐渐引起人们的重视。针对大数据技术在医疗领域的发展趋势和当前面临的问题，研究大数据技术在医疗领域项目的工程实施过程中的管理调整及解决措施，从而引导和促进大数据技术在医疗领域应用的快速、健康发展。

大数据（big data）如何用于互联网医疗

大数据（big data）在医疗领域中所扮演的角色正在被不断地放大，Big Data在医疗领域的基本应用过程如下：

1、搜集和聚合来自各个来源的巨量患者信息；

2、以各种目的导向出发，分析搜集到的信息，比如优化患者的诊疗、提高医疗体系的效率；

3、应用数据分析的结果，改善患者的治疗，提高医疗系统的投资回报率；

大数据在医疗领域中的应用正在被逐渐铺开，其好处也将日益凸显，当前主要的意义在于：

1、通过对临床数据q的分析，对患者进行更有前瞻性的治疗和照护，提高疾病的治疗效果；

2、通过对最新的数据库的分析提高对临床决策的支持；

3、通过对统计工具和算法的使用来改善临床试验的设计；

4、通过对大数据集的分析为个性化医疗提供支持；

5、通过优化业务决策支持，以确保医疗资源的适当分配；

以上是对医疗大数据的基本的概念以及意义，下面我们来看看医疗大数据的具体应用。

医疗大数据的五大应用方向

医疗行业早就遇到了海量数据和非结构化数据的挑战，而近年来很多国家都在积极推进医疗信息化发展，这使得很多医疗机构有资金来做大数据分析。因此，医疗行业将和银行、电信、保险等行业一起首先迈入大数据时代。

1989年，Gartner提出BI概念。2008年，Gartner将BI概念进一步升级为高级分析（AdvancedAnalytics）。2011年，麦肯锡阐释大数据概念。虽然名称不同，但实际上它们要解决的问题从来没变过。只不过，现在的大数据分析技术能处理相比20年前更大量、多样、实时（3V）的数据，即大数据。相比20年前的BI，现在的大数据分析能够产生更大的商业价值，大数据存储和分析技术的发展也得益于商业场景中数据量的激增和数据种类的多样化。

因此在实施大数据分析项目之前，企业不仅应该知道使用何种技术，更应该知道在什么时候、什么地方使用。除了较早前就开始利用大数据的互联网公司，医疗行业可能是让大数据分析最先发扬光大的传统行业之一。医疗行业早就遇到了海量数据和非结构化数据的挑战，而近年来很多国家都在积极推进医疗信息化发展，这使得很多医疗机构有资金来做大数据分析。因此，医疗行业将和银行、电信、保险等行业一起首先迈入大数据时代。麦肯锡在其报告中指出，排除体制障碍，大数据分析可以帮助美国的医疗服务业一年创造3000亿美元的附加价值。本文列出了医疗服务业5大领域（临床业务、付款/定价、研发、新的商业模式、公众健康）的15项应用，这些场景下，大数据的分析和应用都将发挥巨大的作用，提高医疗效率和医疗效果。

在临床操作方面，有5个主要场景的大数据应用。麦肯锡估计，如果这些应用被充分采用，光是美国，国家医疗健康开支一年就将减少165亿美元。

1、比较效果研究

通过全面分析病人特征数据和疗效数据，然后比较多种干预措施的有效性，可以找到针对特定病人的最佳治疗途径。

基于疗效的研究包括比较效果研究（ComparativeEffectivenessResearch，CER）。研究表明，对同一病人来说，医疗服务提供方不同，医疗护理方法和效果不同，成本上也存在着很大的差异。精准分析包括病人体征数据、费用数据和疗效数据在内的大型数据集，可以帮助医生确定临床上最有效和具有成本效益的治疗方法。医疗护理系统实现CER，将有可能减少过度治疗（比如避免那些副作用比疗效明显的治疗方式），以及治疗不足。从长远来看，不管是过度治疗还是治疗不足都将给病人身体带来负面影响，以及产生更高的医疗费用。

世界各地的很多医疗机构（如英国的NICE，德国IQWIG，加拿大普通药品检查机构等）已经开始了CER项目并取得了初步成功。2009年，美国通过的复苏与再投资法案，就是向这个方向迈出的第一步。在这一法案下，设立的比较效果研究联邦协调委员会协调整个联邦政府的比较效果的研究，并对4亿美元投入资金进行分配。这一投入想要获得成功，还有大量潜在问题需要解决，比如，临床数据和保险数据的一致性问题，当前在缺少EHR（电子健康档案）标准和互操作性的前提下，大范围仓促部署EHR可能造成不同数据集难以整合。再如，病人隐私问题，想要在保护病人隐私的前提下，又要提供足够详细的数据以便保证分析结果的有效性不是一件容易的事情。还有一些体制问题，比如目前美国法律禁止医疗保险机构和医疗补助服务中心（CentersforMedicareandMedicaidServices）（医疗服务支付方）使用成本/效益比例来制定报销决策，因此即便他们通过大数据分析找到更好的方法也很难落实。

2、临床决策支持系统

临床决策支持系统可以提高工作效率和诊疗质量。目前的临床决策支持系统分析医生输入的条目，比较其与医学指引不同的地方，从而提醒医生防止潜在的错误，如药物不良反应。通过部署这些系统，医疗服务提供方可以降低医疗事故率和索赔数，尤其是那些临床错误引起的医疗事故。在美国Metropolitan儿科重症病房的研究中，两个月内，临床决策支持系统就削减了40%的药品不良反应事件数量。

大数据分析技术将使临床决策支持系统更智能，这得益于对非结构化数据的分析能力的日益加强。比如可以使用图像分析和识别技术，识别医疗影像（X光、CT、MRI）数据，或者挖掘医疗文献数据建立医疗专家数据库（就像IBMWatson做的），从而给医生提出诊疗建议。此外，临床决策支持系统还可以使医疗流程中大部分的工作流流向护理人员和助理医生，使医生从耗时过长的简单咨询工作中解脱出来，从而提高治疗效率。

3、医疗数据透明度

提高医疗过程数据的透明度，可以使医疗从业者、医疗机构的绩效更透明，间接促进医疗服务质量的提高。

根据医疗服务提供方设置的操作和绩效数据集，可以进行数据分析并创建可视化的流程图和仪表盘，促进信息透明。流程图的目标是识别和分析临床变异和医疗废物的来源，然后优化流程。仅仅发布成本、质量和绩效数据，即使没有与之相应的物质上的奖励，也往往可以促进绩效的提高，使医疗服务机构提供更好的服务，从而更有竞争力。

数据分析可以带来业务流程的精简，通过精益生产降低成本，找到符合需求的工作更高效的员工，从而提高护理质量并给病人带来更好的体验，也给医疗服务机构带来额外的业绩增长潜力。美国医疗保险和医疗补助服务中心正在测试仪表盘，将其作为建设主动、透明、开放、协作型政府的一部分。本着同样的精神，美国疾病控制和预防中心（CentersforDiseaseControlandPrevention）已经公开发布医疗数据，包括业务数据。

公开发布医疗质量和绩效数据还可以帮助病人做出更明智的健康护理决定，这也将帮助医疗服务提供方提高总体绩效，从而更具竞争力。

4、远程病人监控

从对慢性病人的远程监控系统收集数据，并将分析结果反馈给监控设备（查看病人是否正在遵从医嘱），从而确定今后的用药和治疗方案。

2010年，美国有1.5亿慢性病患者，如糖尿病、充血性心脏衰竭、高血压患者，他们的医疗费用占到了医疗卫生系统医疗成本的80%.远程病人监护系统对治疗慢性病患者是非常有用的。远程病人监护系统包括家用心脏监测设备、血糖仪，甚至还包括芯片药片，芯片药片被患者摄入后，实时传送数据到电子病历数据库。举个例子，远程监控可以提醒医生对充血性心脏衰竭病人采取及时治疗措施，防止紧急状况发生，因为充血性心脏衰竭的标志之一是由于保水产生的体重增加现象，这可以通过远程监控实现预防。更多的好处是，通过对远程监控系统产生的数据的分析，可以减少病人住院时间，减少急诊量，实现提高家庭护理比例和门诊医生预约量的目标。

5、对病人档案的先进分析

在病人档案方面应用高级分析可以确定哪些人是某类疾病的易感人群。举例说，应用高级分析可以帮助识别哪些病人有患糖尿病的高风险，使他们尽早接受预防性保健方案。这些方法也可以帮患者从已经存在的疾病管理方案中找到好的治疗方案。

大数据（big data）的风暴其实早已席卷全球除医疗外的各个领域，而伴随其在医疗领域的迅速扩张，将会有越来越多的机构意识到big data对服务患者、医疗人员甚至是他们自己所起到的重要作用。

在了解了医疗大数据的概念和应用后，我们来看看医疗大数据的发展趋势。

大数据技术在医疗领域的发展趋势

除了较早前就开始利用大数据的互联网公司，医疗行业是让大数据分析最先发扬光大的传统行业之一。医疗行业早就遇到了海量数据和非结构化数据的挑战，而近年来很多国家都在积极推进医疗信息化发展，因此，医疗行业将和银行、电信、保险等行业一起首先迈入大数据时代。麦肯锡在其报告中指出，排除体制障碍，大数据分析可以帮助美国的医疗服务业一年创造3000亿美元的附加价值。

通过大数据技术可以加速医学的猜想、发现到医疗实践的转化：借助于不断增长的私密和公开医疗数据，大数据技术帮助人们存储管理好医疗大数据并从大体量、高复杂的数据中提取价值，相关的医疗技术、产品将不断涌现，将有可能给医疗行业开拓一个新的黄金时代。大数据技术在医疗行业的应用将包含以下方向：临床数据对比；药品研发；临床决策支持；实时统计分析；基本药物临床应用分析；远程病人数据分析；人口统计学分析；新农合基金数据分析；就诊行为分析；新的服务模式。目前，发达国家已经占据了先机，取得了一些成果，如谷歌在H1N1流感预测方面的成功等，大数据在我国医疗领域的应用相对比较保守，但相关部署也已经开始启动。

大数据技术在医疗领域的发展将呈现以下趋势：

1）大数据技术在未来为决策提供更多的支持

随着医疗和健康数据的急剧扩容和几何级的增长，利用包括影像数据，病历数据、检验检查结果、诊疗费用等在内的各种数据，运用大数据技术对各种数据进行筛选、分析，为广大患者，医务人员，科研人员及政府决策者提供服务和协助，必将成为未来医疗领域工作的重要方向。

2）提供越来越多个性化的服务

利用“大数据”，公共卫生研究机构能够更早地预测即将爆发的传染病及其传播范围和规模。对于个体而言，大数据就是全数据，通过集中全部诊疗信息、体检信息形成个体的全健康档案，可以使患者得到更有针对性的治疗方案。

3）催生新的业务模式和服务模式

除了一般的为诊断提供支持服务外，运用大数据技术还可以解决“看病难”的问题，例如通过“云计算+大数据”就可以相助其成通过网络平台，患者可以实现网络预约、异地就诊、医疗保险信息即时结算；医疗机构之间能够实现同级检查结果互认，节省医疗资源，减轻患者负担。大数据技术在医疗领域将不断催生新的业务模式和服务模式。

4）处理过程及传输的实时化、及时化

大数据技术未来在医疗领域的应用会越来越多，许多服务都需要实时的统计分析结果，为决策提供支持。处理过程及传输的实时化、及时化是未来大数据技术在医疗领域发展的重要趋势之一。

5）大数据技术在医疗领域的不断创新

目前，大数据相关的技术和工具非常多，给企业提供了更多的选择。在未来，为了使大数据技术在医疗领域使用更方便，还会继续出现新的技术和工具，如新的数据及分析模型与技术、Hadoop分发、下一代数据仓库等，这也是大数据领域的创新热点。

以上内容叙述了医疗大数据未来发展，那么以下内容是医疗大数据发展的相关内容。

大数据分诊，中国医疗革新的大势所趋

美国行业认为其临床诊断和治疗方案存在“瑕疵”的比例大约在30～50%.在中国，不同来源的 估计“误诊率”在50～90%，临床诊治本身的有效性堪虞，其原因大致几种：循证医学没有真正成为医疗行为的基础，实践中充斥大量的主观性强的C类证据； 分诊不严谨，草率进入专科诊治阶段；健康信息与医疗信息隔阂，医疗行为缺乏数据证据； “西医中医化”，医生倾向于满足患者不切实际的期待的行医行为。

中国医疗现状一直存在着三个维度的问题：一、循证医学始终没有真正成为医疗行为的基础，实践中充斥大量的主观性强的C类证据；二、医疗资源分配不合理；三、医疗行为不关注心理健康问题。

从第一个维度来说，循证医学讲究三类证据，A类、B类、C类。A类证据是基于医疗大数据得出的普遍结论；B类证据经由医学专家团评审之后得出的结论；C类证据则是凭借医生个体主观意见得出的结论，其严谨性依次递减。遗憾的是，在现行的医疗服务的过程中，不得不承认C类证据已成为主流。

第二维度的问题在于越来越多的人倾向于去大医院看病，而小型医院则无人问津。而在大医院排队看病的“病人”可以分为三类，一类是处于预防阶段的“患者”，本身并没有看病的紧急需求；一类是慢病患者，这类患者虽然患病，但是并不需要去医院反复检查，只是例行开药，却也占用了相当一部分的医疗资源；最后一类才是真正有看病需求的急性病患者，但他们只能使用三分之一的医疗资源。

第三维度的问题是目前的临床医学大多没有注意到生理疾病与心理疾病之间存在40%的交叠，病症的产生有可能是心理问题和生理问题的交织，从心里角度观察很多问题会观察到心因性疾病的躯体化症状，有很多人反复的看各个科，每一个科都会有处方，都会有治疗，但是最终发现，主要问题其实是心理问题。

这三个问题导致误诊率居高不下，医疗费用过快增长，健康结果低效。在互联网技术的加持作用下，如今这些问题可以一一化解。

首先，通过大量信息的整合，医生在临床实践中可以使用电子化临床对比指南来询证。其次，智能分诊系统可以帮助“患者”进行自诊从而判定自己是否需要去医院接受治疗，减少医疗资源浪费。最后，身心的健康评估可以解决心源性疾病得不到有效诊治的问题。互联网+管理式医疗就能够有效的通过智能分诊，电子医生、身心的健康评估，同行的电子化平议，临床指南的比对等技术方式有效解决管理式医疗的故有问题。

互联网+时代需要双向桥接

管理式医疗（Managed Care）作为健康管理的第一代技术起源于大约70年前的美国， 通过规范医疗行为和打破医疗专业信息不对称的诸多手段，达到合理诊治和控制医疗滥用的目的。管理式医疗的循证医学决策树是基于长期队列以及对照数据中发现 的知识，以前知识的积累需要几十年甚至上百年的时间；管理式医疗对于现实诊治行为的指导和干预好是前摄性的实时干预，在过去，只能是事后审核或基于PC 的知识辅助。

在移动互联时代，医院数据的分享和即时推送由单向变为双向，过去互联网技术主要用于为医生提供 技术支撑，而现在强调在医生及医学技术人员服务过程中对其行为进行采集、归纳和总结；同时，移动医疗体系可在第三方健康管理知识库的基础上对医疗行为作出及时的判断，并在不同终端上提供诊断决策树支持，这使得诊断的客观性及准确性得到大大提高；甚至运用智能分诊系统，用户可以在决定就诊前，通过在线分诊系 统结合历史数据库，决定就医的“轻、重、缓、急”，乃至分科的判断。在中国，笔者估计仅智能分诊环节就可避免大约1/3的无意义就诊，当然，前提是基于科 学的分诊决策树技术。

严肃医学是目前“互联网+医疗”时代需要的态度，在莫衷一是的产品中具有基于A类大数据的移动医疗产品极度匮乏。有幸的是，我们看到美国梅奥诊所近期在中国发布了一款智能自诊系统。根据梅奥合作方发布的官方信息来看，梅奥智能自诊系统的逻辑计算法采用了网状知识数据构成而非简单的线状数据，也就是“梅奥健康决策树”。究其本质就是源自梅奥150年间累积的基础的A类大数据，并根据数据的不断更迭优化后得出的丰富结论。该系统知识库目前拥有52888条节点判断，过1万条结论明细描述。以此举把循证医学再次推到了公众视线内，而这一次，严肃医学搭载了移动互联网的平台。

大数据分诊的颠覆性创新

在“互联网+时代”似乎所有的产业只要与互联网形相加就会变得神奇起来。然而，在互联网医疗爆发的年代中，我们也看到太多互联网的固化思维和医疗界的筒状视野相貌合神离的案例。

如何打破医疗界的筒状视野和互联网的固化思维，是值得更多资本和互联网 医疗创业者深思的课题。当大家都在研究大数据的同时，我们什么是真正的颠覆式创新？诊断原有体系内的痛点，解决它。好比淘宝发现个人创业难和缺乏交易信用平台；微信发现熟人社交的空白点。那么，对于移动医疗诊断的痛，我大胆断言预诊分诊环节必将成为中国医疗革新的转折点。

试想大数据分诊进入三方市场之后，作为需求方的大众以最便捷的方式享有公平严肃医疗的机会，避免错诊及误诊率，节约了时间和金钱成本；医院、健康管理机构、硬件厂商等供方，则通过更精准的分诊分科，避免有效资源的浪费，优化运用流程并降低成本，减少因错诊及误诊引发的医患矛盾；最终，作为支付方的社保、保险公司等将降低医疗支出、优化险种及降低赔付率等形成三方市场紧密合作的闭环。

在互联网+医疗的发展过程中，我们必须去观察双方载体是否具备行业发展的基础，大数据分诊这种基于A类大数据的应用，打破 了传统医疗垄断的局面，逆转了原有以C类数据为主的中国医疗市场。而移动互联网尊重循证医学的应用，也充分体现其在本质上对医学严肃性有了深入的认知。大 数据分诊，取之于民并造福于民，正如互联网发明的本源就是最终为人类服务，这种保证信息对称和双向传播的方式，不正是回归本源最正确的做法吗？！

下面是医疗大数据的一些畅想。

大数据颠覆医疗 或许并不遥远

如果一个医生还在抱怨病人得了“搜索病”（指看病前习惯先上网查查自己可能得了什么病），那么这个医生大概已经落伍了。基于大数据在医疗领域的深度应用，美国斯坦福大学医学院一群富有创新精神的医学专家正和硅谷的医疗产业专家合作，推进一个最新的科研项目——“和你一样的病人”，通过这个智能系统，病人有望自查疾病，这也减少了医生因经验累积有限而导致的误诊或漏诊。这个系统有望成为医生的好帮手，也可能颠覆现有的医疗模式。

这是斯坦福大学医学院院长劳埃德。米诺在昨天的第九届21世纪中美医学论坛新闻发布会上向记者透露的信息。据悉，本次论坛将于10月14日-16日在斯坦福大学医学院召开，它由斯坦福大学、美国萨尔克生物研究所、上海瑞金医院共同主办，届时包括美国“四院院士”ShuChien教授、美国约翰霍普金斯大学前任校长William Brody教授、中国工程院院士王振义教授、世界卫生组织前副总干事胡庆澧教授、中国工程院院士陈赛娟教授等多位中美医学专家，将共同探讨当下医学界最热门的一个话题——“大数据时代背景下的医疗发展趋势”。

计算机筛选最优治疗方案

信息化已逐渐深入到医疗卫生的各个领域，成为医疗卫生事业发展的重要引擎，但由于医疗是高度专业化的领域，此前大多数信息化包括所谓“互联网+”与医疗的合作，依然是以医疗为核心，互联网只是服务于医疗的工具，比如，在线预约、在线挂号等。上海交大医学院副院长陈红专称，当下我们需要思考如何创新应用互联网，以及挖掘出海量数据的真正应用，而不仅仅是积累数据。

在斯坦福大学医学院，已有令人“脑洞大开”的科研进展。医生们开发的这个名为“和你一样的病人”的系统里，积累了上百万条药物、治疗方案、病例信息等数据，登录者键入身体状况、年龄、不适部位等，系统就会给出一个完全个性化的诊断结果以及理想的治疗方案。

“这种系统筛选出的治疗方案，可能比医生的方案效果更好，能让更多病人获得真正属于他们的最优治疗。因为我们都知道，医生的治疗水平很大部分来自于医学积累，也就是经验，但这种积累不论是30年还是50年，依然是有限的，它一定没有拥有全病人就医数据的电脑系统见多识广。”劳埃德。米诺对记者说。

反思传统“一对一”就医模式

事实上，促成劳埃德和伙伴们开发这个系统的机缘，是对传统就医模式的反思。

那是在1998年，劳埃德和同事在全世界首次报道了一种罕见病——“上半规管裂损症候群”。这种疾病的患者会出现眩晕、对声音异常敏感等症状。这本是一次很普通的学术发现，但令劳埃德意外的是，当他们发表了论文后，世界上许多国家的人开始上网搜索这个病的信息，并输入自己的信息，一批多年来找不到病因或在其他科室苦苦试验治疗方案的病人终于确诊。比如，英国就报道过一名女子罹患这种疾病，不仅能听见自己的心跳声、大脑搅动声，连吃颗苹果对她来说都是不可能的任务，因为她轻轻一咬，就是一阵震耳欲聋。

通过互联网找到“和你一样的病人”，这个启示让劳埃德和斯坦福医学院的同仁们开始开发这款全新的系统。

基于大数据应用，未来的看病模式很可能不再是现在这样与医生“一对一”。在哈佛大学医学院，已有医生尝试给乳腺癌患者这样看病：通过系统筛查全美乳腺癌患者病历，并挑出和具体患者相同或相似的年龄、生活环境、突变基因等，最终挑选出一个生存期、生活质量高的治疗方案提供给患者。这是目前医生寻求“外脑”帮助的有效途径。

深度开发大数据预测疾病

此外，未来的医疗数据收集也将不再局限于诊室。瑞金医院副院长宁光教授以糖尿病为例介绍，借助可穿戴设备的开发，谷歌眼镜血糖监测、家庭床上血糖监测与数据远程传输等应用已经在小范围应用。“通过疾病管理，进而深度开发这些大数据，提取有价值的信息，有望开启医疗产业的新黄金时代。”宁光说。

可以畅想的是，医疗大数据带给人们的将不仅仅是更优的诊断与治疗计划，而是更优的生活方式。劳埃德。米诺说，通过医疗大数据的挖掘和筛选，还能前移到发现何种生活方式可能是更有利的，从而给政府、医保政策制定者、医院以及大众更好的生活方式指导。“那就是预防甚至预测疾病的范畴，我们已在和谷歌、苹果公司合作，也将与更多中国科学家合作。”劳埃德。米诺说。