大數據在醫學中的應用

㈠ 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。

㈡ 大數據技術應用在醫療行業的哪些方面

【導讀】大數據技術可以說目前已經應用到了各行各業中，對於各行各業都是有很大的幫助和促進作用的，在醫療行業，能夠促進醫學研究，幫助改善我們的生活質量，有效促進相關疾病的治療等等，那麼大數據技術應用在醫療行業的哪些方面呢?下面我們就來一起了解一下。

1、新型冠狀病毒大數據搜索報告

該數據有可能更好地預測各種情況和當前公共衛生問題引起的區域性暴發疫情的情況。反過來，醫療服務提供者能夠採取適當的預防措施，並分配必要的資源，以應對與健康有關的特定疾病的區域性升級。

2、區域醫療保健監控

可以將數據用於預測醫學研究，從而有助於預防可能的疾病傳播。例如，通過跟蹤他們搜索的醫療問題來了解患者人群及其醫療保健需求以及跟蹤他們在醫療站點上提供的信息，這些都是促進預防保健和研究的方法。

3、打擊性傳播疾病

如果及時報告，則可以治療性傳播疾病(STD)和性傳播感染(STI)。但是，諸如缺乏性教育等問題通常會導致症狀不受控制。大數據可以利用本地經驗，並幫助科技公司和醫療保健提供商填補信息空白並傳播對性健康的認識。

4、機器人護士

如今，在醫學研究和發展中使用大數據至關重要。人工智慧和機器學習正在引領醫學數據的收集，新葯療法的發現以及患者預後的改善。通過實時分析公共衛生問題，大數據可以促進多個領域的醫學研究，改善患者護理並防止致命疾病的傳播。

5、改善醫療保健支持系統

醫療技術的主要進步之一是醫療保健機器人技術，預計到2021年其收入將增長到28億美元。醫療保健機器人技術包括外科機器人培訓，機器人護士，智能假肢和仿生學等專業，以及治療，葯丸，遠程呈現和後勤方面的幫助。使用大數據驅動的機器人技術有可能極大地改善醫療保健支持的質量，這已經通過少數著名的機器人護士(如Robot
Dinsow)看到，它可以監控患者並提醒他們用葯;Paro機器人可以提醒護理人員。

關於大數據技術在醫療行業應用，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大數據工程師相關內容，可以點擊本站的其他文章進行學習。

㈢ 醫療大數據有什麼作用

醫療大數據，就是通過醫療的大數據進行數據分析，可以進行醫療方面的比較和研究。
通全面析病特徵數據療效數據比較種干預措施效性找針特定病佳治療途徑。

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 健康醫療大數據的安全與應用

健康醫療大數據的安全與應用
醫療健康大數據是覆蓋自然人的全生命周期，既包括個人健康，又涉及醫葯服務、疾病防控、健康保障和食品安全、養生保健等多方面數據的匯聚和聚合。
簡單講就是涉及到健康的、醫療的跟個人相關的數據的合集，不僅在醫院，在互聯網，在企業、醫院都存在。
同時會議上也提到要利用健康醫療大數據，創新業態，創新應用，促進醫療行業發展。
利用健康醫療大數據，不僅對改進健康醫療服務模式，而且對經濟社會發展都有著重要的促進作用，是國家重要的基礎性戰略資源。
健康醫療數據從哪來？
我們可以大致分為五方面。
第一來自診療數據：
患者在醫療機構、體檢機構等就醫過程中產生並由信息系統記錄的數據；
包括電子病歷、檢驗檢查、基因測序、用葯、醫學影像等；
第二來自研究數據：葯品或器械研究機構，由研究機構錄入或採集的個人健康數據，比如臨床試驗、生物樣本庫等；
第三是個人數據：個人在醫療機構外自行記錄的健康數據，比如可穿戴設備採集的心率、脈搏、睡眠等數據；互聯網行為記錄的檢索、問診、查詢、病患交流數據等；
第四是結算數據： 由商業保險公司、醫保機構、物價管理機關存儲的報銷和流通數據；最後是公共醫學：由臨床指南、醫療健康期刊、醫學文獻，循證醫學數據資源庫等組成。這就是醫療大數據的來源。
健康醫療數據核心在醫療機構
因為醫院的數據是真實的疾病數據，其他的社會葯品采買數據等等跟真正核心醫療健康的核心還有些距離。
而在醫院包括護理記錄、電子病歷、用葯信息、疾病診斷等等，這些數據綜合一個特點就是敏感度非常高。
第二就是真實，為什麼真實？看病有醫囑、處方、病案等，這些醫療文書是可以作為法律證據的。
同時質量比較高，在醫療信息化20年時間的不斷積累和持續改進，數據的完整度和質量也在不斷地提高。
行業要求
醫療健康大數據據作為新生事物，在行業標准和行業規范上尚有欠缺。直至近一年，國家衛計委陸續出台的全國醫院信息化"功能指引"和"建設標准和規范"，其中提到大數據平台，就是希望醫院須要建設大數據平台，執行國家十三五規劃中大數據戰略落地的內容和時間計劃，要求三甲醫院最終要建設面向大數據和人工智慧技術的服務架構，高效高質組織數據資源，形成數據生產力。
行業現狀
健康大醫療數據共享及應用不易。
針對於醫院來說：客觀存在"不敢、不願、不會"三種形態。
不敢，因為數據共享、數據安全這些問題沒有解決，所以不敢去做。
沒有規定，或者不太明確，不敢做。不願，因為醫院權益、政府權益、社會權益，不清楚。還有醫院內部科室的數據擔心被拿走，不願意。
不會，因為大數據必須要有大數據的技術支撐，沒有技術支撐就沒法兒對數據進行挖掘和利用，同樣在數據共享開放過程中，技術、標准、機制、體制突破仍存在較大的障礙，造成各部門在推動過程當中不會做，這些現狀造成了「不會」現象。
這些都是現狀，但核心是數據安全和無法做到安全可控，讓醫院放心。
安全和隱私保護
數據安全挑戰
數據安全沒有解決，能不能用？怎麼建立安全體系？
首先醫院安全受到不斷的挑戰。
我在昨天看到一個新聞，我不知道大家看到沒看到，就是新加坡的某醫院集團，其醫院數據被黑，包括他們總理在內的就診數據都在裡面，非常敏感。
黑客拿走了。
為什麼大家盯到了醫院？說明黑客對醫療數據還是感興趣的。
比如勒索數據，過去病毒很少到醫院，但去年勒索病毒剛爆發時就是針對醫院，英國到中國都有中招，但是中國醫院被曝光的很少。所以說安全形勢比較嚴峻。
醫院安全管理
第一是物理安全
醫院的網路物理網是分內部網：掛號、結算、收費。一個是外網辦公網，再往外才是英特網。
整個物理是隔離的，而且網路也是隔離的。
第二數據安全，主要是指醫療內部數據，數據保護採用了加密、資料庫審計、防篡改等技術。
第三是網路安全，從網路角度講，國家衛計委提出2015年全部三甲醫院要建立信息安全三級等級保護，逐步實現了基本的安全。
第四隱私安全，這是新的命題，因為我們數據在內部用的話是不去隱私的明文。
那些是隱私數據？
國內還沒明確法律規定細則。
我們可借鑒美國HIPPA法案，其明確規定了個人姓名、社保號、車牌號等18項隱私數據，或者說只要能指向患者個體的都算隱私。
那麼數據如何去隱私？
現在通用的還是基本加密技術。
醫院內部不需要加密，所謂外部就是科研研究、葯物研究時需要大量統計分析時需要加密，我們現在用的是MD5加密等機密技術，有可逆的和不可逆的。
健康大數據應用
在安全前提下要放開應用。
借用國家衛計委規劃信息司領導所言"一分部署、九分落地"。健康醫療大數據也需要一分建設，九分要應用。從產業應用現狀看，公司多，投資多，期望大，產出還未確定。
從應用方向上，我們可以分為：臨床決策支持(AI),醫保控費和險種開發，醫院管理，醫療器械和新葯研發，慢病和健康管理等多個方向。

㈥ 大數據分析在疾病與健康研究方面的應用

大數據分析在疾病與健康研究方面的應用

大數據分析技術將在以上方面發揮著特殊的作用。

一、疾病與健康研究

在疾病與健康研究方面，我們可將其分為三個子方面：健康研究、亞健康研究和疾病研究。

1、健康研究

中國是地域遼闊的多民族國家，不同地區不同種群的人的基因和健康指標有所不同，同一地區同一種群的人在不同的性別和年齡上健康標准也有差異。深入研究和分析上述人群的健康規律，對衛生保健、健康促進、疾病預防和治療有著重大的指導意義。例如：
1.1 對體檢數據分析和挖掘，得出不同地區、不同人群的健康差異，以確定精確的不同人群的健康標准，針對不同人群制定適宜的防病，治病方法以及預後標准，並量身打造個性化，地區化的健康評估模型。

1.2 在制定不同地區不同人群的參考值時,可進一步分析健康指標在不同性別、年齡和季節的差別，以及權重比，從而完善適合於國人全面的系統化的更科學的健康參考值。

1.3 人體存在的內在平衡，使得各個可觀察數據間有其特有的規律，基於經驗只能發現簡單的規律如鈣、磷常數等，使應用數據挖掘等大數據分析技術可以主動發現復雜的系統性的人體醫學規律，大幅提升防病，治病以及預後推測的技術水平，並且也對亞健康有個更科學的判斷依據，以及了解健康到亞健康的逐漸失衡的過程。

1.4 對孕婦在孕產期、產後及新生兒的健康數據進行深入分析，研究孕產婦和新生兒的健康規律，開發對孕產婦和新生兒的健康評價和因素的評估模型，給出更科學的孕產婦和新生兒保健的指導。

1.5 對兒童成長的體檢數據分析和挖掘，研究兒童的健康規律，開發對兒童成長的評價和因素的評估模型，分別適應中國遼闊的地域和眾多的人群，給出更科學的兒童成長發育指導。

1.6 對老年人的健康數據分析和研究，研究老年人的健康特點，開發對老年人健康的評價和因素的評估模型，給出更科學的老年人養生的指導。

1.7 對健康人的精神和心理數據進行深入分析，制定健康人的精神和心理參考標准，開發對健康精神和心理的評價和影響因素的評估模型，給出更科學的精神和心理衛生方面的保健指導。

2、亞健康研究

世界衛生組織將機體無器質性病變，但是有一些功能改變的狀態稱為「第三狀態」，也稱為「亞健康狀態」，主要包括：功能性改變，而不是器質性病變；體征改變，但現有醫學技術不能發現病理改變；生命質量差，長期處於低健康水平；慢性疾病伴隨的病變部位之外的不健康體征。

對亞健康進行深入分析與研究對保持健康狀態，預防和糾正亞健康狀態以及對疾病的預防和治療都有十分重要的意義。例如：

2.1 研究亞健康與疾病間的相互關系。研究各種可觀察指標（體檢數據）在亞健康中的權重，以及在不同地區、人群中的分布。應用時間序列，線性/非線性回歸研究亞健康觀察指標之間的關聯性。通過亞健康體檢數據挖掘，分析導致疾病的影響因素，建立評估模型來預測危險度，並進一步建立疾病的預測模型。

2.2 研究亞健康與健康間的相互關系。通過對體檢人群的地區、職業、年齡等因素的分析，研究最新的健康和亞健康的人群分布。不同的人群地區環境不同,生活習慣不同,加入亞健康醫學指標以外的相關外部數據（如職業、飲食、習慣、性格、愛好等）後,可發現綜合因素對亞健康的影響，以及這些因素的各自權重，及相關關系，從而探究出亞健康的原因，對預防和治療亞健康起著指導作用。

2.3 研究亞健康治療和預後的研究。通過對亞健康治療和預後的數據分析，評價治療效果，評估最佳治療方案，進一步開展對專科亞健康治療和預後的研究，同時研究其與疾病的關系。

2.4 對精神和心理亞健康的研究。如對常見的精神亞健康狀態：如神經衰弱、抑鬱、焦慮和強迫等症狀，進行數據歸納整理、分析挖掘，從而導出精神和心理亞健康的新知識發現，探究出精神疾病的原因，對預防和治療精神疾病起著指導作用。

2.5 將住院和社區健康管理數據相結合，進行因素權重分析和多因素的特性抽取，最後形成模型指導治療。最理想的情況是個體化評估模型,為每個病人建立專用預測模型。

3、疾病研究

中國面臨的嚴重危害人民健康的疾病包括：

傳染性疾病，如結核病、艾滋病、SARS、禽流感、甲型H1N1流感等；

慢性非傳染性疾病，如惡性腫瘤、腦血管病、心臟病、糖尿病等；

精神和心理疾病；

小兒出生缺陷。

對患有各種疾病的病人的醫學數據及相關數據的研究分析，對各種疾病的預防和治療都有十分重要的價值。例如：

3.1 對傳染性疾病，如結核病、艾滋病、SARS、禽流感、甲型H1N1流感等疾病的研究。應用數據挖掘技術對傳染性疾病的數據進行分析，找出傳染性疾病的發病規律，揭示傳染性疾病的病因，進一步摸索出傳染性疾病的變異規律，建立傳染性疾病的預測模型。

3.2 對慢性非傳染性疾病，如惡性腫瘤、腦血管病、心臟病、糖尿病等疾病的研究。應用數據倉庫技術和數據挖掘技術對慢性常見病的數據進行分析，找出慢性常見病的發病規律，探索慢性常見病的病因，進一步摸索出慢性常見病的並發症規律，科學評估各種治療方案的療效，建立慢性常見病的預測模型。

3.3 對精神和心理疾病的研究。應用數據倉庫技術、數據挖掘技術和數理統計技術對精神和心理疾病的數據進行分析，從廣泛的多變數集中找出影響精神和心理疾病的主要因素，在遺傳學、後天影響和病理學等多方面探索精神和心理疾病的病因，科學評估各種治療方案的療效，建立精神和心理疾病的預測模型。

3.4 對小兒出生缺陷的研究。應用大數據分析技術對兒童出生缺陷的數據進行分析，從廣泛的大變數集中找出影響兒童出生缺陷的主要因素，在環境、遺傳學、病理學等多方面探索兒童出生缺陷的病因，建立兒童出生缺陷的預測模型。

3.5 針對門診和住院病人數據在線分析統計學差異，尋找陽性案例，為研究提供素材，並為科研的預實驗提供思路和准備。對住院數據進行多維度分析和挖掘，橫向達到單病種的水平，縱向包括所有可觀測數據，所收集來的知識有很大可能會啟發醫學專家有新發現。

3.6不同 治療手段和治療效果的在線分析。結合收集來的大量資料全面分析，盡量提前全面的了解治療的臨床效果。

3.7 葯品治療效果在線分析，治療效果、副作用、對其他疾病的效果評估。結合收集來的大量資料全面分析，盡量提前全面的了解新葯和老葯。目前的葯品不良反應主要靠醫生的通報，對醫生的職業素養和敏感有很大的依賴，而使用數據挖掘及資料庫中的知識發現，可以極大限度地改進這項工作。

二、環境與健康研究

環境因素對健康造成的損害較其他健康損害復雜，是微量、慢性、長期和不可逆轉的。環境健康影響與公眾利益息息相關，環境健康損害如得不到妥善處理還將轉化為社會、經濟問題。環境與公共健康研究以人類生態系統可持續發展研究為基礎，關懷人類現在和未來的健康與安全，從環境研究途徑關注社會、經濟活動對人類生理和心理的健康影響，探索環境變遷對人民健康造成危害的預防和治理措施。

應用大數據分析技術對環境健康的研究，主要包括發現案例、發病機理和臨床治療研究，預防和治理各類環境流行病在污染源以及污染途徑控制的研究等。例如：
1. 應用大數據分析技術研究環境因素對健康的影響，實行 一體化的環境和健康監測，並在全國實現數據共享。

2. 應用大數據分析技術研究環境污染對兒童的影響，以解決環境對兒童所造成的不健康和疾病迅速增長的問題，從而給予兒童特殊注意的環境和健康指導。

3. 應用大數據分析技術開展職業病和職業多發病的預防預測。對於各種職業的發病分布和嚴重程度，以及對職業病的深入分析。不僅包括傳統意義的職業病，也包括不同職業的不同的疾病分布和在病因中的權重。另外,還可以分析不同職業的暴露特點進而對病因進行研究。

4. 應用大數據分析技術開展對空氣污染顯著提高城市人群呼吸道和過敏性疾病的發生 率的研究。

5. 應用大數據分析技術開展雜訊污染損害兒童的聽力和干擾他們的學習能力的研究。

6. 應用大數據分析技術開展快餐業的發展使肥胖病發病率不斷增長的研究，尤其是不合理的營養對兒童健康的影響。

7. 應用大數據分析技術開展對轉基因生物技術的應用對自然界生物和人類基因的潛在影響的研究。

三、醫葯生物技術與健康

生物技術涵蓋生命科學的所有領域，醫葯生物技術是生物技術的重要組成部分。當今人類面臨的人口、食物、健康、環境和資源問題，無不與之緊密相關。醫葯生物技術最鮮明的特點是大量新思想、新技術、新材料、新方法和新產品引入醫學研究和醫療保健之中，如全新的醫學成像技術、基因工程技術、微電子技術、幹細胞工程技術、組織工程技術、納米技術、生物晶元技術、克隆技術、酶工程技術、細胞工程技術、發酵工程技術、蛋白質工程技術、生物醫學工程技術、基因組與蛋白質組技術、生物信息技術和中醫葯技術等及其產品，將大大提高疾病預防、診斷、治療和葯物設計研製水平，以及對突發事件（如傳染病和生物恐怖等）的檢測、預防與治療水平。

以大數據分析技術為核心的生物信息技術在由眾多新技術構成的醫葯生物技術中發揮有獨特的作用。例如：

1. 利用生物信息技術進行生物信息的存儲與獲取。

2. 利用生物信息技術開展基因的序列對比、測序和拼接。

3. 利用生物信息技術進開展基因預測。

4. 利用生物信息技術進行生物進化與系統發育分析。

5. 利用生物信息技術進行蛋白質結構預測和RAN結構預測。

6. 利用生物信息技術進行分子設計和葯物設計。

7. 利用生物信息技術進行腫瘤分類及遺傳學分析。

8. 利用生物信息技術開展在生物分子層面對精神病的研究及遺傳學分析。

9. 利用生物信息技術開展在生物分子層面對如H1N1等傳染病的研究。

四、衛生宏觀決策支持

衛生宏觀決策支持系統是以數據倉庫為數據中心、以數據挖掘為技術核心、以商務智能為展現工具的綜合衛生信息平台。它可以建立在各級別衛生系統上，如醫院、地區衛生系統、全國衛生系統，為各級衛生部門提供智能決策系統，深入了解衛生系統的歷史和現在，把握衛生系統業務發展的未來，評估衛生系統內部各部門的業務效績，幫助各級決策者提供最佳實施方案，給決策者一雙慧眼，清晰認知系統內各方面變化趨勢和業務得失，使對系統各部門的評價、考核、獎勵更加科學、公正、客觀，使系統內各級關系更加和諧，積極發揮各部門的潛能，提高系統的整體業務水平和經濟效益。使用商務智能輔助決策，可以提供各種有價值的信息，各種事件的關聯，以及不同於微觀的角度分析各種衛生信息，如預防接種基本數據，傳染病報告等等。

以上是小編為大家分享的關於 大數據分析在疾病與健康研究方面的應用的相關內容，更多信息可以關注環球青藤分享更多干貨

㈦ 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。