大數據醫療的應用案例

㈠ 生活中的大數據有哪些例子

一、在金融行業的應用

金融行業應該是運用大數據技術最頻繁的一個行業，證券和銀行經常會運用大數據技術進行數據分析，通過對數據的監控和分析，有效規避風險。

金融行業面臨的行業挑戰有很多，證券欺詐預警，超高金融分析，信用卡欺詐和企業信用風險等一系列數據數據風險挑戰，行業內面臨的種種問題，都需要大數據發揮其預測的核心功能，有效規避風險。

二、在娛樂媒體的運用

大數據行業在各個行業都有涉足，舉一個簡單的例子，通過社交媒體明星粉絲數量分析和行業內新聞動態，可以預測影視視頻的播放量和受喜愛程度;通過智能產品的點擊數量和瀏覽量，可以推測用戶的個性偏好，並且推薦其喜愛的產品。

前段時間大火的美劇《紙牌屋》，通過大數據分析，選取適合網友的視頻偏好和明星選擇，造成轟動的播放量。大數據在社交媒體和娛樂行業的大數據分析，一部分也在引導觀眾和粉絲，讓其為娛樂產業消費。

三、在醫療行業的運用

iPhone用戶手機上都有這個功能，通過健康APP里的健康步數統計和鍛煉情況，為你記錄你的健康狀況，並且預測可能發生的疾病，這就是在運用大數據技術，通過一系列的記錄分析，預測可能要發生的事情並且及時解決。

醫療行業可以通過用戶的身體情況和大量病例數據，分析提高醫療行業的監控力度，並且進行有效檢測，降低用戶的患病率。

四、提高體育成績

現在很多運動員在訓練的時候應用大數據技術來分析。很多精英運動隊還追蹤比賽環境外運動員的活動-通過使用智能技術來追蹤其營養狀況以及睡眠，以及社交對話來監控其情感狀況。

五、醫療保健

大數據可以更好的去理解和預測疾病。人們戴上智能手錶等可以產生的數據一樣，大數據同樣可以幫助病人對於病情進行更好的治療。大數據可以幫助我們實現流行病預測、智慧醫療、健康管理，同時還可以幫助我們解讀DNA,了解更多的生命奧秘。

大數據技術目前已經在醫院應用監視早產嬰兒和患病嬰兒的情況，通過記錄和分析嬰兒的心跳，醫生針對嬰兒的身體可能會出現不適症狀做出預測。

㈡ 醫療行業大數據應用的三個案例

醫療行業大數據應用的三個案例
文章從華大基因推出腫瘤基因檢測服務、大數據預測早產兒病情、廣東省人民醫院利用大數據調配床位3個醫療行業大數據應用案例中，以應用背景、數據源、圖說場景、實現途徑、應用效果5個視角去看待大數據在醫療的應用狀況。
案例一：華大基因推出腫瘤基因檢測服務
應用背景：
伴隨著生物技術、大數據技術的發展，個體基因檢測治療疾病已經成為現實。其中，最廣為人知的是美國好萊塢女星安吉麗娜?朱莉，在 2013 年經過檢測她發現自身攜帶致癌基因——BRCA1 基因，為防止罹患卵巢癌，於 2015 年切除了卵巢和輸卵管。目前，國內外已經有多家基因檢測機構，如我國的華大基因、貝瑞和康、 美國的 23andMe、 Illumina 公司等。華大基因一直致力於腫瘤基因組學研究，已經研究 20 多類癌症。近日，華大基因推出了自主研究的腫瘤基因檢測服務，採用了高通量測序手段對來自腫瘤病人的癌組織進行相關基因分析，對肺癌、乳腺癌、胃癌等多種常見高發癌症進行早期、無創傷檢測。
數據源：
檢測數據：患者血清、口腔黏膜數據、基因測序等。
其它數據：體檢數據、電子病歷、遺傳記錄、患者調查、地理區域以及生活條件等。
圖說場景：

實現路徑：
首先採取患者樣本，通過測序得到基因序列，接著採用大數據技術與原始基因比對，鎖定突變基因，通過分析做出正確的診斷，進而全面、系統、准確地解讀腫瘤葯物與突變基因的關系，同時根據患者的個體差異性，輔助醫生選擇合適的治療葯物，制定個體化的治療方案，實現「 同病異治」 或「 異病同治」 ，從而延長患者的生存時間。
應用效果：
癌症診斷和預測。腫瘤醫院的病人中有 60%至 80%剛到醫院時就已經進入中晚期，癌症早期的篩查可以幫助患者有針對性的改善生活習慣或者採取個體化的輔助治療，有益於身體健康;同時將癌症扼殺在搖籃里，從而降低日後巨大的醫葯開支和生活困擾。助力個性化醫療。結合生物大數據，挖掘疾病分子機制最終可以做到更好的篩查，更好的臨床指導以及更好用葯的過程。
案例二：大數據預測早產兒病情
應用背景：
安大略理工大學的卡羅琳·麥格雷戈( Carolyn McGregor)博士和一支研究隊伍與 IBM 一起和很多醫院合作，用一個軟體來監測處理即時的病人信息，然後把它用於早產兒的病情診斷。
數據源：
個人體征數據：心率、呼吸、體溫、血壓和血氧含量。
其它數據：孕婦產檢數據、電子病歷、遺傳數據等。
實現路徑：
系統會監控 16 個不同地方的數據，比如心率、呼吸、體溫、血壓和血氧含量，這些數據可以達到每秒鍾 1260 個數據點之多。在明顯感染症狀出現的 24 小時之前，系統就能監測到早產兒細微的身體變化發出的感染信號，及早預測控制早產兒的病情，從而提高新生兒的出生率。
應用效果：
預測病情。早產兒的穩定不是病情好轉的標志，只有通過海量的數據並且找出隱含的相關性才能發現提早知道病情，醫生就能夠提早治療，也能更早地知道某種療法是否有效，這一切都有利於病人的康復。
案例三：廣東省人民醫院利用大數據調配床位
應用背景：
起因於國外醫院的經驗以及廣東省人民醫院各專業科室差異很大的病床使用率。長期以來，優勢專業病源充足，病人候床情況嚴重，排隊入院，相反有些專業空床情況明顯，病床使用率僅 65%左右。為此管理層打出了模糊臨床二級分科、跨科收治病人、集中床位調配權的一套「 組合拳」 。
數據源：
患者數據：掛號數據、電子病歷、患者基本數據等。
醫院數據：各科室床位使用情況、診療活動、平均住院費用、平均住院周期等。
實現路徑：
對跨科收治病人之後的科與科之間的工作量、收入、支出、分攤成本等指標進行合理的劃分，強化了入院處的集中床位調配權，解決病人入院排隊情況，使醫院更好地履行了社會責任，同時也給增加了醫院的效益。
應用效果：
提高病床使用率。病床使用率由 87%提高到 92%，優勢專業候床排隊現象明顯減少。
支持決策判斷。優勢專科與弱勢專科的病人在地域構成比、平均住院費用等標上存在顯著差異，支持決策判斷。

㈢ 大數據可以應用在哪些方面

可以應用在雲計算方面。

大數據具體的應用：

1、洛杉磯警察局和加利福尼亞大學合作利用大數據預測犯罪的發生。

2、google流感趨勢(Google Flu Trends)利用搜索關鍵詞預測禽流感的散布。

3、統計學家內特.西爾弗(Nate Silver)利用大數據預測2012美國選舉結果。

4、麻省理工學院利用手機定位數據和交通數據建立城市規劃。

5、梅西百貨的實時定價機制。根據需求和庫存的情況，該公司基於SAS的系統對多達7300萬種貨品進行實時調價。

6、醫療行業早就遇到了海量數據和非結構化數據的挑戰，而近年來很多國家都在積極推進醫療信息化發展，這使得很多醫療機構有資金來做大數據分析。

7、及時解析故障、問題和缺陷的根源，每年可能為企業節省數十億美元。

8、為成千上萬的快遞車輛規劃實時交通路線，躲避擁堵。

9、分析所有SKU，以利潤最大化為目標來定價和清理庫存。

10、根據客戶的購買習慣，為其推送他可能感興趣的優惠信息。

(3)大數據醫療的應用案例擴展閱讀：

大數據的用處：

1、與雲計算的深度結合。大數據離不開雲處理，雲處理為大數據提供了彈性可拓展的基礎設備，是產生大數據的平台之一。

自2013年開始，大數據技術已開始和雲計算技術緊密結合，預計未來兩者關系將更為密切。除此之外，物聯網、移動互聯網等新興計算形態，也將一齊助力大數據革命，讓大數據營銷發揮出更大的影響力。

2、科學理論的突破。隨著大數據的快速發展，就像計算機和互聯網一樣，大數據很有可能是新一輪的技術革命。可能會改變數據世界裡的很多演算法和基礎理論，實現科學技術上的突破。

參考資料：

網路--大數據

㈣ 大數據醫療行業的5大應用

一、電子病歷

到目前為止，大數據最強大的應用就是電子醫療記錄的收集。每一個病人都有自己的電子記錄，包括個人病史、家族病史、過敏症以及所有醫療檢測結果等。

這些記錄通過安全的信息系統(究竟是否安全值得商榷)在不同的醫療機構之間共享。每一個醫生都能夠在系統中添加或變更記錄，而無需再通過耗時的紙質工作來完成。這些記錄同時也能幫助病人掌握自己的用葯情況，同時也是醫學研究的重要數據參考。

二、健康監控

醫療業的另一個創新是“可穿戴設備”的應用，這些設備能夠實時匯報病人的健康狀況。

和醫院內部分析醫療數據的軟體類似，這些新的分析設備具備同樣的功能，但能在醫療機構之外的場所使用，降低了醫療成本，病人在家就能獲知自己的健康狀況，同時還獲得智能設備所提供的治療建議。這些可穿戴設備持續不斷地收集健康數據並存儲在雲端。

三、醫護資源配置

這個看似不可能完成的任務，已經在大數據的幫助幫助下在一些“試點”單位實現。在法國巴黎，有四家醫院通過多個來源的數據預測每家醫院每天和每小時的患者數量。

他們採用一種被稱為“時間序列分析”的技術，分析過去10年的患者入院記錄。這項研究能夠幫助研究人員發現患者入院的規律並利用機器學習，找到能夠預測未來入院規律的演算法。

四、大數據與人工智慧

人工智慧技術通過演算法和軟體，分析復雜的醫療數據，達到近似人類認知的目的。因此AI使得計算機演算法能夠在沒有直接人為輸入的情況下預估結論成為可能。由AI支持的腦機介面可以幫助恢復基本的人類體驗，例如因神經系統疾病和神經系統創傷而喪失的說話和溝通功能。

五、醫學影像

醫學影像包括X射線、核磁共振成像、超聲波等，這些都是醫療過程中的關鍵環節。

放射科醫生往往需要單獨查看每一個檢查結果，不但產生了巨大的工作量，同時也有可能耽誤患者的最佳治療時間。但是大數據卻可以有效解決這一問題。

關於大數據醫療行業的5大應用的內容，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。

㈤ 有哪些大數據分析案例

如下：

1. 大數據應用案例之：醫療行業

1）Seton Healthcare是採用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療信息，通過大數據處理，更好地分析病人的信息。

在加拿大多倫多的一家醫院，針對早產嬰兒，每秒鍾有超過3000次的數據讀取。通過這些數據分析，醫院能夠提前知道哪些早產兒出現問題並且有針對性地採取措施，避免早產嬰兒夭折。

它讓更多的創業者更方便地開發產品，比如通過社交網路來收集數據的健康類App。也許未來數年後，它們搜集的數據能讓醫生給你的診斷變得更為精確，比方說不是通用的成人每日三次一次一片，而是檢測到你的血液中葯劑已經代謝完成會自動提醒你再次服葯。

2）大數據配合喬布斯癌症治療

喬布斯是世界上第一個對自身所有DNA和腫瘤DNA進行排序的人。為此，他支付了高達幾十萬美元的費用。他得到的不是樣本，而是包括整個基因的數據文檔。醫生按照所有基因按需下葯，最終這種方式幫助喬布斯延長了好幾年的生命。

2. 大數據應用案例之：能源行業

1）智能電網現在歐洲已經做到了終端，也就是所謂的智能電表。在德國，為了鼓勵利用太陽能，會在家庭安裝太陽能，除了賣電給你，當你的太陽能有多餘電的時候還可以買回來。

通過電網收集每隔五分鍾或十分鍾收集一次數據，收集來的這些數據可以用來預測客戶的用電習慣等，從而推斷出在未來2~3個月時間里，整個電網大概需要多少電。有了這個預測後，就可以向發電或者供電企業購買一定數量的電。

因為電有點像期貨一樣，如果提前買就會比較便宜，買現貨就比較貴。通過這個預測後，可以降低采購成本。

2）丹麥的維斯塔斯風能系統(Vestas Wind Systems)運用大數據，系統依靠的是BigInsights軟體和IBM超級計算機，分析出應該在哪裡設置渦輪發電機，事實上這是風能領域的重大挑戰。在一個風電場20多年的運營過程中，准確的定位能幫助工廠實現能源產出的最大化。

為了鎖定最理想的位置，Vestas分析了來自各方面的信息：風力和天氣數據、湍流度、地形圖、公司遍及全球的2.5萬多個受控渦輪機組發回的感測器數據。這樣一套信息處理體系賦予了公司獨特的競爭優勢，幫助其客戶實現投資回報的最大化。

3. 大數據應用案例之：通信行業—通過大數據分析挽回核心客戶

法國電信-Orange集團旗下的波蘭電信公司Telekomunikacja Polska是波蘭最大的語音和寬頻固網供應商，希望有效的途徑來准確預測並解決客戶流失問題。

他們決定進行客戶細分，方法是構建一張「社交圖譜」- 分析客戶數百萬個電話的數據記錄，特別關注 「誰給誰打了電話」以及「打電話的頻率」兩個方面。「社交圖譜」把公司用戶分成幾大類，如：「聯網型」、「橋梁型」、「領導型」以及「跟隨型」。

這樣的關系數據有助電信服務供應商深入洞悉一系列問題，如：哪些人會對可能「棄用」公司服務的客戶產生較大的影響?挽留最有價值客戶的難度有多大?運用這一方法，公司客戶流失預測模型的准確率提升了47%。

4、大數據應用案例之：零售業—大數據幫零售企業制定促銷策略

北美零售商百思買在北美的銷售活動非常活躍，產品總數達到3萬多種，產品的價格也隨地區和市場條件而異。由於產品種類繁多，成本變化比較頻繁，一年之中，變化可達四次之多。

結果，每年的調價次數高達12萬次。最讓高管頭疼的是定價促銷策略。公司組成了一個11人的團隊，希望透過分析消費者的購買記錄和相關信息，提高定價的准確度和響應速度。

定價團隊的分析圍繞著三個關鍵維度：

1）數量：團隊需要分析海量信息。他們收集了上千萬的消費者的購買記錄，從客戶不同維度分析，了解客戶對每種產品種類的最高接受能力，從而為產品定出最佳價位。

2）多樣性：團隊除了分析了購買記錄這種結構化的數據外，他們也利用社交媒體發帖這種新型的非結構化數據。由於消費者需要在零售商專頁上點贊或留言以獲得優惠券，團隊利用情感分析公式來分析專頁上消費者的情緒，從而判斷他們對於公司的促銷活動是否滿意，並微調促銷策略。

3）速度：為了實現價值最大化，團隊對數據進行實時或近似實時的處理。他們成功地根據一個消費者既往的麥片購買記錄，為身處超市麥片專櫃的他/她即時發送優惠券，為客戶帶來便利性和驚喜。

透過這一系列的活動，團隊提高了定價的准確度和響應速度，為零售商新增銷售額和利潤數千萬美元。

5、大數據應用案例之：網路營銷行業（SEM）

很多企業在做SEM的過程中，都有這樣的感觸：每年都會花費大量的預算在SEM推廣中，但是因為關鍵詞投入產出無法可視化，常常花了很多錢卻不見具體的回報。

在競爭如此激烈的SEM市場中，企業需要一個高效的數據分析工具來盡可能地幫企業優化SEM推廣，例如BDP，來幫企業節省不必要的支出，提升整體的經營績效。

企業可藉助數據平台提供的網路營銷整合解決方案，打通各個搜索引擎營銷（SEM）、在線客服系統和CRM系統，營銷競價人員無需掌握復雜的編程技術，簡單拖拽即可生成報表，觀察每一個關鍵詞的投入和產出，分析每一個頁面的轉化，有效降低投放成本。

通過BDP實況分析數據，可以快速洞悉對手關鍵詞的投放時段、地域及排名，並對其進行可視化的分析，實時監控自己和競爭對手的投放情況，了解對手的投放策略，支持自定義設置數據更新的時間點、監控頻次和時段，及時調整策略。知已知彼，才能百戰不殆。

6、大數據應用案例之：電商行業

意料之外：胸部最大的是新疆妹子。曾經淘寶平台顯示，中國女性購買最多的文胸尺碼為B罩杯。B罩杯佔比達41.45%，其中又以75B的銷量最好，其次是A罩杯，購買佔比達25.26%，C罩杯只有8.96%。

雖然淘寶數據平台不能代表一切，但是結合現實來看，這個也具有普遍的代表性，只能感慨中國女性普遍size。在文胸顏色中，黑色最為暢銷，黑色絕對是百搭，每個女性必備。

從省市排名，胸部最大的是新疆妹子。這些數據都對於文胸店鋪而言是很好的參考，為店鋪的庫存、定價、款式選擇等策略都有奠定數據基礎。

7、大數據應用案例之：娛樂行業

微軟大數據成功預測奧斯卡21項大獎。2013年，微軟紐約研究院的經濟學家大衛•羅斯柴爾德（David Rothschild）利用大數據成功預測24個奧斯卡獎項中的19個，成為人們津津樂道的話題。

今年羅斯柴爾德再接再厲，成功預測第86屆奧斯卡金像獎頒獎典禮24個獎項中的21個，繼續向人們展示現代科技的神奇魔力。

總的來說，大數據的終極目標並不僅僅是改變競爭環境，而是徹底扭轉整個競爭環境，帶來新機遇，企業需要應勢而變。企業只有認識到這一點，使用合適的數據分析產品、聰明地使用和管理數據，才能在長期競爭中成為終極贏家。

㈥ 大數據在醫療行業的應用有哪些

大數據專業屬於交叉學科：以統計學、數學、計算機為三大支撐性學科；生物、醫學、環境科學、經濟學、社會學、管理學為應用拓展性學科。所以大數據在眾多行業都有應用，下面說說其在醫療領域的應用。
隨著互聯網規模不斷的擴大，大數據正在改變著這個時代的絕大一部分的行業或者企業，醫療行業也不例外，醫療健康正在成為人們關注的重點問題，以智能化、數字化為特徵的醫療信息化正在蓬勃興起，醫療行業的數據類型也在向海量、復雜、多樣的類型方式轉變。
1.就醫數據進行電子化管理
對電子醫療記錄的收集，包括個人病史、家族病史、過敏症以及所有醫療檢測結果等。在信息系統中進行分享，每一個醫生都能夠在系統中添加或變更記錄，而無需再通過耗時的紙質工作來完成。這些記錄同時也能幫助病人掌握自己的用葯情況，同時也是醫學研究的重要數據參考。
2.健康預測
通過智能手錶等可穿戴設備的數據，建立健康預測模型，通過這些可穿戴設備持續不斷地收集健康數據並存儲在雲端，實時匯報病人的健康狀況。應用於數百萬人及其各種疾病的預測和分析，並且在未來的臨床試驗將不再局限於小樣本，而是包括所有人。
3.醫學影像以及臨床診斷
通過讓大數據機器人來識別記住各類海量的醫學影像，例如X射線、核磁共振成像、超聲波……等各種的圖像。對大量病歷進行深度挖掘與學習，訓練其對影片的診斷，最終實現輔助醫生進行臨床決策，規范診療路徑，提高醫生的工作效率。
4.葯品研發
利用大數據進行數據建模並進行分析，預測葯物的臨床結果，可以為臨床階段的實驗結果提供參考，節省臨床階段的時間並優化臨床實驗結果。制葯公司也可以通過數據建模進行分析，從而生產出治療成功率更高的葯品並極大地縮短葯品從研發到投入市場的時間。

㈦ 關於大數據應用有什麼例子

• 大數據應用的關鍵，也是其必要條件，就在於"IT"與"經營"的融合，當然，這里的經營的內涵可以非常廣泛，小至一個零售門店的經營，大至一個城市的經營。以下是關於各行各業，不同的組織機構在大數據方面的應用的案例，在此申明，以下案例均來源於網路，本文僅作引用，並在此基礎上作簡單的梳理和分類。

• 大數據應用案例之：醫療行業

• Seton Healthcare是採用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療信息，通過大數據處理，更好地分析病人的信息。

• 在加拿大多倫多的一家醫院，針對早產嬰兒，每秒鍾有超過3000次的數據讀取。通過這些數據分析，醫院能夠提前知道哪些早產兒出現問題並且有針對性地採取措施，避免早產嬰兒夭折。

• 它讓更多的創業者更方便地開發產品，比如通過社交網路來收集數據的健康類App。也許未來數年後，它們搜集的數據能讓醫生給你的診斷變得更為精確，比方說不是通用的成人每日三次一次一片，而是檢測到你的血液中葯劑已經代謝完成會自動提醒你再次服葯。

• 大數據應用案例之：能源行業

• 智能電網現在歐洲已經做到了終端，也就是所謂的智能電表。在德國，為了鼓勵利用太陽能，會在家庭安裝太陽能，除了賣電給你，當你的太陽能有多餘電的時候還可以買回來。通過電網收集每隔五分鍾或十分鍾收集一次數據，收集來的這些數據可以用來預測客戶的用電習慣等，從而推斷出在未來2~3個月時間里，整個電網大概需要多少電。

• 有了這個預測後，就可以向發電或者供電企業購買一定數量的電。因為電有點像期貨一樣，如果提前買就會比較便宜，買現貨就比較貴。通過這個預測後，可以降低采購成本。

• 維斯塔斯風力系統，依靠的是BigInsights軟體和IBM超級計算機，然後對氣象數據進行分析，找出安裝風力渦輪機和整個風電場最佳的地點。利用大數據，以往需要數周的分析工作，現在僅需要不足1小時便可完成。

㈧ 醫療大數據五大應用透視

醫療大數據五大應用透視
醫療行業是較早運用大數據分析的傳統行業之一。其中，五大醫療服務領域包括臨床業務、網路平台、公眾健康管理、遠程病人監控、新葯開發等，對大數據運用的深度和廣度都走在了前面。大數據分析大幅度提高了醫療效果和用戶滿意度。
臨床記錄和醫保大數據
匯總患者的臨床記錄和醫療保險數據集並進行高級分析，將提高醫療支付方、醫療服務提供方和醫葯企業的決策能力。比如，對醫葯企業來說，他們不僅可以生產出具有更佳療效的葯品，而且能保證葯品適銷對路。臨床記錄和醫療保險數據集的市場剛剛開始發展，擴張的速度將取決於醫療保健行業完成EMR和循證醫學發展的速度。
世界各地的很多醫療機構（如英國的NICE、德國IQWIG、加拿大普通葯品檢查機構等）已經開始了CER項目並取得了初步成功。2009年，美國通過的復甦與再投資法案，就是向這個方向邁出的第一步。在這一法案下，設立的比較效果研究聯邦協調委員會協調整個聯邦政府的比較效果的研究，並對4億美元投入資金進行分配。這一投入想要獲得成功，還有大量潛在問題需要解決。比如臨床數據和保險數據的一致性問題，當前在缺少EHR（電子健康檔案）標准和互操作性的前提下，大范圍倉促部署EHR可能造成不同數據集難以整合。再如病人隱私問題，想在保護病人隱私的前提下提供足夠詳細的數據以保證分析結果的有效性不是一件容易的事。還有一些體制問題，比如目前美國法律禁止醫療保險機構和醫療補助服務中心（Centers for Medicare and Medicaid Services）（醫療服務支付方）使用成本/效益比例來制定報銷決策，因此，即便他們通過大數據分析找到更好的方法也很難落實。
網路平台和社區
另一個潛在的大數據啟動的商業模型是網路平台和大數據，這些平台已經產生了大量有價值的數據。比如PatientsLikeMe.com網站，病人可以在這個網站上分享治療經驗；Sermo.com網站，醫生可以在這個網站上分享醫療見解；Participatorymedicine.org網站，這家非營利性組織運營的網站鼓勵病人積極進行治療。這些平台可以成為寶貴的數據來源。例如，Sermo.com向醫葯公司收費，允許他們訪問會員信息和網上互動信息。
公眾健康
大數據的使用可以改善公眾健康監控。公共衛生部門可以通過覆蓋全國的患者電子病歷資料庫，快速檢測傳染病，進行全面的疫情監測，並通過集成疾病監測和響應程序，快速進行響應。這將帶來很多好處，包括醫療索賠支出減少、傳染病感染率降低，衛生部門可以更快地檢測出新的傳染病和疫情。通過提供准確和及時的公眾健康咨詢可以大幅提高公眾健康風險意識，降低傳染病感染風險。所有這些都將幫助人們創造更好的生活。
遠程病人監控
從對慢性病人的遠程監控系統收集數據，並將分析結果反饋給監控設備（查看病人是否正在遵從醫囑），從而確定今後的用葯和治療方案。
2010年，美國有1.5億慢性病如糖尿病、充血性心臟衰竭、高血壓患者，他們的醫療費用佔到了醫療衛生系統醫療成本的80%。遠程病人監護系統對治療慢性病患者是非常有用的。遠程病人監護系統包括家用心臟監測設備、血糖儀乃至晶元葯片。晶元葯片被患者攝入後，實時傳送數據到電子病歷資料庫。舉個例子，遠程監控可以提醒醫生對充血性心臟衰竭病人採取及時治療措施，防止緊急狀況發生，因為充血性心臟衰竭的標志之一是由於保水產生的體重增加現象，這可以通過遠程監控實現預防。更多的好處是，通過對遠程監控系統產生的數據分析，可以減少病人住院時間，減少急診量，實現提高家庭護理比例和門診醫生預約量的目標。
新葯開發
醫療產品公司可以利用大數據提高研發效率。拿美國為例，這將創造每年超過1000億美元的價值。
醫葯公司在新葯物的研發階段，可以通過數據建模和分析，確定最有效率的投入產出比，從而配備最佳資源組合。模型基於葯物臨床試驗階段之前的數據集及早期臨床階段的數據集，盡可能及時地預測臨床結果。評價因素包括產品的安全性、有效性、潛在的副作用和整體的試驗結果。通過預測建模可以降低醫葯產品公司的研發成本，在通過數據建模和分析預測葯物臨床結果後，可以暫緩研究次優的葯物，或者停止在次優葯物上的昂貴的臨床試驗。
除了研發成本，醫葯公司還可以更快地得到回報。通過數據建模和分析，醫葯公司可以將葯物更快推向市場，生產更有針對性的葯物，有更高潛在市場回報和治療成功率的葯物。原來一般新葯從研發到推向市場的時間大約為13年，使用預測模型可以幫助醫葯企業提早3～5年將新葯推向市場。