1.2.3　医疗

医疗行业拥有大量病例、病理报告、医疗方案、药物报告等。对这些数据进行整理和分析，将会极大地帮助医生和病人。医疗行业大数据目前尚未统一收集起来，无法进行大规模应用。在未来，借助于大数据平台我们可以收集疾病的基本特征、病理和治疗方案以及病人的基本特征，建立针对疾病特点的数据库，帮助医生进行疾病诊断。医疗行业大数据来源如图1.6所示。

图1.6　医疗行业大数据来源

大数据在医疗行业中的应用主要包括临床操作、付款／定价、研发、新的商业模式、公共健康5个方面，如图1.7所示。

图1.7　大数据在医疗行业中的应用

1．临床操作

临床操作包括比较效果研究、临床决策支持系统、医疗数据透明度、远程病人监控和对病人档案的高级分析。例如，通过对病人的体征数据、费用数据和疗效数据等大型数据集进行精准分析，比较多种干预措施的有效性，从而可以针对特定病人找到最有效和最具有成本效益的治疗方法；通过使用图像分析和识别技术，识别医疗影像（X光、CT、MRI）数据，或者收集医疗文献数据建立医疗专家数据库，从而给医生提出诊疗建议；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，帮助病人做出更明智的健康护理决定，间接提高医疗服务的质量；从对慢性病人的远程监控系统收集数据，并将结果反馈给监控设备（查看病人是否遵从医嘱），从而确定今后的用药和治疗方案；通过对病人档案的高级分析，确定各类疾病的易感人群，识别患病风险，使他们尽早接受预防性保健方案。

2．付款／定价

付款／定价包括自动化系统、基于卫生经济学和疗效研究的定价计划。例如，利用自动化系统（机器学习技术）对索赔数据进行挖掘和分析，可以检测出索赔准确性，在支付发生前识别欺诈行为，避免重大的损失；利用数据分析横向医疗服务提供方的服务，并依据服务水平进行定价。

3．研发

研发包括预测健康、优化临床试验设计的统计工具和算法、临床试验数据的分析、个性化治疗以及疾病模式的分析。例如，医药公司在新药物的研发阶段可以基于药物临床试验阶段之前的数据集及早期临床阶段的数据集，及时地预测临床结果；在临床试验阶段通过统计工具和算法挖掘病人数据，评估招募患者是否符合试验条件，加快临床试验进程；根据临床试验数据和病人记录确定药品更多的适应证以及发现副作用；通过对大型数据集（如基因组数据）的分析发展个性化治疗；对疾病的模式和趋势分析，帮助医疗产品企业制定战略性的研发投资方案，优化研发重点和配备资源。

4．新的商业模式

新的商业模式包括汇总患者的临床记录和医疗保险数据集、网络平台和社区。例如，汇总患者的临床记录和医疗保险数据集，并进行高级分析，提高医生和医药企业的决策能力。在医生诊断病人时可以参考病人的疾病特征、化验报告和检测报告，参考疾病数据库来快速帮助病人确诊，明确定位病灶。在制定治疗方案时，医生可以依据病人的基因特点，调取相似基因、年龄、人种、身体情况相同的有效治疗方案，制定出适合病人的治疗方案，帮助更多人及时进行治疗。同时这些数据也有利于医药行业开发出更加有效的药物和医疗器械。另一个潜在的大数据启动的商业模型是网络平台和大数据，这些平台已经产生了大量有价值的数据，包括病人的问诊数据、医生的学习习惯等。

5．公共健康

大数据的使用可以改善公众健康监控。公共卫生部门可以通过覆盖全国的患者电子病历数据库，快速检测传染病，进行全面的疫情监测，并通过集成疾病监测和响应程序，快速进行响应。这将带来很多好处，包括医疗索赔支出减少、传染病感染率降低、卫生部门可以更快地检测出新的传染病和疫情等。通过提供准确和及时的公众健康咨询，大幅提高公众健康风险意识，同时也将降低传染病感染风险。所有的这些都将帮助人们创造更好的生活。

大数据将会对医疗行业产生巨大的影响和推动，它可以揭露健康的影响因素，将最合适的治疗方式推荐给患者；能够促进新的发现，优化治疗结果和削减开支。但目前大数据医疗也面临着患者隐私安全、海量数据收集难题、区域医疗共享以及技术方面的挑战。随着信息化技术的发展，这些问题将逐步得到解决。可以预见，在不久的未来，大数据的应用将渗透到医疗应用的更多领域。