事实的确如此。自大数据概念于2012年开始成为行业信息化热点以来，围绕这一话题的讨论更多看上去是雷声大，雨点小。唯独不同的是医疗行业，由于该行业关系民生大计的特殊地位，以及服务亿万民众时必须面对的海量医疗健康数据处理需求，因此也成为国内率先启动大数据应用的先锋行业之一。

　　大数据的应用首当其冲的就是智慧医疗。在医疗数字化的过程中，医院成了大数据产生的重要来源，病历、影像、远程医疗等都会产生大量的数据。如何把医疗大数据转换为经济价值，关键是怎么能够提取出与诊疗有关的数据。

　　根据十二五规划中有关医疗卫生行业信息化建设规划，我国将重点建设国家级、省级和地市级三级卫生信息平台，建设电子档案和电子病历两个基础数据库等诸项目标，也就是推进医疗信息化的“3521”工程。过去由于缺少统一的电子病历系统（EMR）标准，中国的电子病历系统发展比较缓慢，医院之间不能实现共享病患信息共享，医疗服务水平也因此受到影响。为改善这一现状，国家会逐渐加大对电子病历的投入，适应这一趋势，各级医院也将加大在数据中心，IT外包等领域的投入。

　　随着医疗和健康数据的急剧扩容大数据和几何级的增长，如何充分利用包括影像数据，病历数据、检验检查结果、诊疗费用等在内的各种数据，搭建合理先进的数据服务平台，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，将成为未来信息化工作的重要方向。

　　跨越大数据应用门槛

　　值得注意的是，伴随大数据在医疗与生命科学研究过程中的广泛应用和不断扩展，其数据规模、多样化程度和增长速度对于医疗行业都是必须面临的巨大挑战。比如，一张普通CT图像含有大约150MB的数据，一个基因组序列文件大小约为750MB，而一个标准的病理图则接近5GB。如果将这些数据量乘以人口数量和平均寿命，仅一个社区医院累积的数据量，就可达数TB甚至数PB之多，而且其中还富含图像、视频等非结构化数据。

　　医疗行业的大数据集量大且繁杂，其中蕴含的信息价值也多样且丰富，如果能够对其进行有效的存储、处理、查询和分析，那么就可对于小到辅助某个临床医生做出更为科学和准确的诊断和用药决策，或帮助某个医院根据患者潜在需求开发全新个性化服务及自动服务，大到帮助相关研究机构突破医疗方法和药物革新，或支持地区甚至全国医疗行业主管部门优化医疗资源及服务配置，提供前所未有的强力支持。

　　然而，如何将海量、复杂的数据的存储、处理和保护成本降至最低，同时还能对此进行实时或准实时的处理、查询需求响应以及智能、深入的分析，IT产业界及包括医疗行业在内的行业用户都亟需针对大数据设计和优化的智能管理、分析、查询及存储平台，来替代传统关系型数据库平台，顺利帮助他们跨迈大数据应用这道门槛。

　　包括IBM、微软、甲骨文、戴尔等在内的IT巨头们都成为这一领域的先行者，通过一些专业工具与解决方案，来帮助医疗行业用户获得数据挖掘的价值。Frost&Sullivan研究显示，2016年，将有超过一半的医院使用先进的分析软件，而当前这一比例为10%。

　　业内人士指出，数据分析作为实现智慧医疗的重要手段，将帮助解决医疗资源分布不合理、医疗服务质量欠佳、医疗体系效率较低这三大问题。

　　帮助医生临床诊断

　　大数据在智慧医疗中第一个应用是临床诊断。首先体现在对病人的数据分析。精准地分析病人的体征、治疗费用和疗效数据，可避免过度治疗、避免副作用较为明显的治疗。通过进一步比较各种治疗措施的效果，医生可更好地确定临床最有效、效益最好的治疗方法。

　　其次体现在临床决策系统。通过将医生处方和医疗专家库医学指导比较，系统可提醒医生避免出错，如药品不良反应、过度使用抗生素等，帮助医生降低医疗风险。

　　最后是可以让临床医疗数据更加透明。美国疾控中心公布了医疗数据，帮助病人作出更明智的决定，从而选择性价比更高的治疗方案。通过告诉病人多种不同的医疗方案，病人可以自己选择治疗方案。美国还公开发布不同医院的医疗质量和绩效数据，这有助于督促医院改进医疗服务质量。

　　实现远程监护医疗

　　大数据智慧医疗的第二个应用是计算机远程监护。首先，通过收集数据，医生可以更好地判断病人病情。比如，充血性心脏衰竭的治疗检查费用非常高。但是通过大数据分析发现，凡是充血性心脏衰竭的病人，他的颈静脉会扩张。所以根据颈静脉扩张的检查，就能判断他是不是充血性心脏衰竭。而颈静脉的检查，根本就不要成本，摸一下就够了。而这也是通过大量数据的搜集而总结出来的。

　　其次，通过对数据的收集和分析，可实现计算机远程监护，对慢性病进行管理。比如，充血性心脏的标志之一是由于保水而增加体重，因此通过远程监控体重可发现相关疾病，提醒医生及时采取治疗措施，防止急性状况发生。

　　计算机远程监护还可以减少病人住院时间、减少急诊量，提高家庭护理比例和门诊医生预约量。

　　加快药品研发入市

　　大数据智慧医疗的第三个应用是医疗研发。首先体现在预测建模。通过收集临床实验前期和结果的数据，可以评价新药的安全性、有效性以及潜在的副作用，提高研发效率。

　　其次是临床实验设计的统计工具和算法。通过挖掘病人数据，可以评估和招募患者是否符合试验条件，并进一步找出最合适的临床实验基地，从而加快临床试验进程。

　　三是通过分析临床试验数据和病人记录，可以确定药品更多适应症或副作用。

　　四是个性化治疗应用，通过对大型数据集（例如基因组数据）的分析，研究遗传变异，实现个性化医疗和调整药物剂量。

　　最后，大数据疾病模式和趋势分析可帮助企业做出战略性研发及投资决策。

　　大数据还可应用于合成生物学，“比如DNA的编程，我们把人的DNA分解，从中找出哪一个DNA会影响什么。”还有新药的设计和合成、中药的药理分析等等。

　　防止医疗诈骗

　　大数据不仅可以应用在临床诊疗，而且在医院的定价付款方面也有用处。首先是防止医疗诈骗。建立索赔数据库和相应的算法，可以记录医疗诈骗和索赔行为，防止医疗诈骗。

　　其次是药品定价计划的应用。美国药企可以参与药品定价，但必须承担治疗风险。也就是如果药品治疗效果好，药品可以定价高一些；如果治疗效果不好，药品就要降价。通过建立数据库和监测，能实现这个目标。

　　上述做法有利于控制医疗保健成本的开支，有利于患者以合适的价格获得基于医疗研究的创新药物。同时，医药产品市场准入门槛更高，医药企业也可更有针对性地推出疗效药品。欧洲一些国家已经开始了基于卫生经济学和疗效的药品定价测试项目。在定价付款方面，美国每年能产生300亿美元的价值，其中一半是由于国家医疗保健开支的减少。

　　用于商业及公共政策制定

　　大数据还可应用于医疗商业模式。汇总患者的临床记录和保险数据并加以分析，可提高医保支付方、医院和药企的决策水平，药企可生产出治疗效果更好的药品。

　　另外，通过社交网络在线平台，患者之间可分享治疗经验，医生可交流治疗方案见解。美国有一个叫PatientsLikeme.com网站，病人可通过网站分享治疗经验。同时，这个网站对医生是免费的，对于药品公司是收费的。“这样，药品公司可以在这个网上介绍药品，病人也可以从医生那里获得医疗常识。

　　大数据还可用于公共健康监控。公共卫生部门可对覆盖全国的电子病历数据及社区居民的医疗数据进行分析，可用于流行病、慢性病调查、趋势分析和预警，为进一步制定防治、干预计划提供了有力的参考依据。另外，通过提供准确、及时的公众健康咨询，公众健康风险意识大幅度提高，居民感染传染病的风险降低，医疗索赔支出减少。