摘要：數據都是由一系列不同的應用程序、設備和地理研究活動生成的。大數據的應用就是從收集到的海量數據中提取有價值的信息用于天氣預報、災害評估、犯罪偵測和健康產業等。在全球人口隨著人類壽命的延長而持續增加的同時，疾病治療的思路和方法也正在迅速進化，而這些快速變化背后的一些決策必須基于大數據。

　　近些年來，隨著醫療衛生信息公開的腳步加快，有關醫療保健方面的大數據正在迅速生成，涉及到患者治療、護理以及各種監護要求。從前，人們只能看著這些寶貴的數據白白丟失;而現在因為技術的不斷進步，人們處理數據的能力和技術也不斷增強，這些數據有望被運用到智慧醫療方面，即讓患者就醫更方便、疾病診斷更加高效，以及醫療信息更加準確。所以醫療大數據在當前社會醫療發展變革中扮演著很重要的角色。

　　醫療大數據具有體量大、速度快、多樣性高及準確性強四大特征

　　現代醫療保健系統生成的數據量持續增長，其驅動因素是數據存儲和處理體系結構成本的降低以及醫療系統業務流程的優化和改進。有統計顯示，一般的醫療機構每年會產生1TB到20TB的數據，一些大醫院甚至可以產生300TB到1PB的數據。

　　與此同時，醫療系統正在以越來越快的速度生成數據。隨著醫療體系的數字化和信息化發展，收集的結構化或非結構化數據的數量和種類越來越多。電子病歷等新興結構化數據使得醫療數據收集速度呈現飛躍式增長。

　　大數據醫療還具有多樣性高的特征。多樣性是指數據的形式，即文本、醫學圖像、音頻、視頻和傳感器數據。結構化數據信息包括臨床數據(患者記錄數據)，其中必須由特定的設備簡單地收集、存儲和處理。非結構化或半結構化的數據包括電子郵件、照片、視頻、音頻以及其他與健康相關的數據，如醫院的醫療報告、醫師記錄、紙質處方和x光片等。但結構化數據僅占醫療保健數據的5%到10%，非結構化信息則占大多數。

　　數據的準確性是進行準確醫療診斷的基礎。不同的數據源在其數據可信度和可靠性級別上有所不同。醫療數據分析的任務是從海量數據中提取有用的信息來為病人的治療做出決策建議，所以要盡可能剔除掉毫無價值或具有誤導性的數據，提高信息的可靠性。

　　大數據目前已在多種醫療場景中廣泛應用，取得了顯著成果

　　醫療大數據有效地提高了醫院的護理能力。當所有記錄都被數字化時，醫療保健中的分析能力可用于識別護理模式并發現大量醫療記錄中的關聯，可以更快速有效地評估患者的癥狀。利用大數據技術分析大量的電子病歷可以提供更好的護理和相關措施的見解，識別潛在的錯誤并標記錯誤，提高醫療機構的護理能力。

　　通過大數據技術分析，可以對患者的生理狀況進行實時監測追蹤。今天，各種設備監測各種患者的行為——從血糖監測儀到胎兒監護儀，再到心電圖，再到血壓儀，形成了醫療物聯網監控體系。慢性病，例如糖尿病，需要實時監測身體機能。大數據技術在其中發揮的作用就是，識別潛在的健康問題并在情況惡化之前提供護理建議。

　　大數據還能夠有效解決醫療機構運營成本過高的問題。由于人員管理不善，各種醫療機構經常面臨高水平的財務浪費?；诖髷祿念A測分析可以通過預測入院率和幫助分配人員來解決這個問題。除此之外，在醫療保險業，通過開發基于多種因素的身份分析和預測模型(如醫療歷史、先前的索賠、社交媒體數據等)，保險公司甚至可以在索賠的早期階段正確評估索賠的合法性。

　　醫療大數據多元化的發展方向

　　未來，大數據技術和物聯網技術更密切的結合有利于提供實時準確的醫療反饋，使得醫療虛擬管家服務可以與患者互動，詢問他們的健康問題，評估他們的癥狀，然后指導患者進行最有效的護理。除此之外，再加上互聯網云技術的應用，將分享各地區的醫療資源，有利于提高醫療資源不發達地區的醫療水平，給這些地區的患者提供更加有效的醫療建議。

　　精準醫療，也稱為“個性化醫療”，需要預測疾病，定制治療方法，并根據個體的基因構成開具藥物處方。由于大數據技術的可用性和迅速發展使得精準醫療成為可能。尤其在結合人工智能技術之后，使得輔助手術機器人能夠更加精準的實現“微創”手術，從而減輕患者的痛苦。

　　在今后流行病管控上，醫療大數據也能給予很多的貢獻。例如，在流行病發展的初期階段，利用大數據實時分析平臺，挖掘出流行病的共性，可以篩選感染的早期預警信號，為醫療機構識別高風險人群。

　　大數據在醫療保健領域的推廣與應用仍然存在阻力

　　盡管大數據已經在很多產業發揮出了巨大的潛能，但這一技術在醫療領域推廣的過程中，仍然存在著一些有待克服的困難。

　　首先，會面臨數據聚合的挑戰?；颊吆团c其相關數據通常分布在許多醫院，行政辦公室，政府機構，服務器和文件柜中。將它們整合在一起并安排所有數據供應者在未來進行協作時需要進行大量規劃。除了存儲格式(紙張，傳統數據庫，電子病歷等)之外，還需要確定和提高這些數據的準確性和質量。這不僅需要數據清理(通常是一個很大程度上是手動的過程)，還需要對數據治理進行審查(數據是否準確記錄，或者在多年的時間內出現錯誤)。

　　一旦數據得到驗證和匯總，就需要解決各種與流程和政策相關的問題。我國的法律法規目前在這方面還沒有明確的說明。訪問控制，身份驗證，傳輸過程中的安全性以及其他規則使任務復雜化，這就需要一套規范且受監督的流程來提高整個過程的效率(例如在政府監督下引入亞馬遜AWS云服務數據分析)。

　　實現最終的醫療保健領域的大數據分析需要各個組織參與其中，這其中就要求調整他們的業務方式。這其中可能需要數據科學家以及具備運行分析技能的IT人員。盡管云服務提供商解決了部分問題，但因為某些原因，有些組織可能會不得不“廢除并替換”其大部分IT基礎架構。醫生和管理員可能需要時間才能相信大數據所能提供的建議。

　　結語

　　大數據剛剛開始推動醫療保健體系革命，并在許多方面促進行業發展。它在醫學中的作用使我們可以圍繞個體患者建立更好的健康狀況和更好的預測模型，提供了改善患者護理并推動醫療機構改革的解決方案。但是，它需要利益相關者，供應商，制藥商，政府和政策制定者以及科學和研究團體進行協作和創新，以重塑其醫療體系的設計和性能。