A. 最近很火的醫療大數據分析到底是個什麼鬼
這個是根據國家的政策來執行的
B. 醫療大數據的分析和挖掘發展現狀如何未來會有什麼樣的應用前景
發展前景不錯，據前瞻產業研究院《全球健康醫療大數據行業發展前景預測與投資戰專略規劃分析報告》顯示屬，醫療大數據在大數據中處於極其重要的地位，一方面，現代社會，人的健康在世界各國的民生中越來越處於舉足輕重的地位;另一方面，移動/互聯網醫療、自動化分析檢測儀、可穿戴設備的普及等等，使得患者、醫生、企業、政府各方都成了數據的直接創造者，每天產生海量的醫療數據。
發展健康醫療大數據產業已經「迫在眉睫」。「老百姓對健康的需求越來越高，大數據在健康醫療領域的運用也在突飛猛進。這些都倒逼我們必須加快發展規范健康醫療大數據應用的步伐。
C. 醫療大數據的分析和挖掘發展現狀如何未來會有什麼樣的應用前景
如今是大數據時代，前景自然好了，據前瞻產業研究院《2016-2021年中國行業大數據市場發展前景預測與投資戰略規劃分析報告》顯示，總的來說，醫療大數據應用主要體現在臨床操作、研發、新的商業模式、付款/定價、公眾健康五大領域，在這些場景中，大數據的分析和應用都將發揮巨大的作用。
醫療大數據的應用對於臨床醫學研究、科學管理和醫療服務模式轉型發展都具有重要意義，而大數據技術的運用前景是十分光明的。
醫院和醫療行業面臨的大數據主要有醫學影像、視頻(教學、監控)及文獻等非結構化數據。由於這些數據增長很快且結構復雜，給數據管理和利用帶來較大的壓力，存儲與管理成本不斷提高，數據利用困難、利用率低。除了數據數量和形態的迅速增加，醫療數據還需要越來越長的保留期。一旦存儲系統的安全性出現問題，導致醫療數據丟失，醫院會面臨嚴重不良局面。醫療大數據的應用要保證數據的全面性、准確性、實時性和使用的便捷性，要能快速運算和快速展現，要與日常工作平台緊密結合。
國人已經把健康大數據上升為國家戰略，而面對「大數據」的挑戰，醫院必須考慮三大主要問題。
(1) 數據存儲是否安全可靠?因為系統一旦出現故障，首先考驗的就是數據的存儲、災備和恢復能力。如果數據不能迅速恢復，而且恢復不能到斷點，則將對醫院的業務、患者滿意度構成直接損害。
(2) 如何提高醫院運行和服務的效率?提高效率就是節省醫生的時間，從而緩解醫療資源的緊張狀況，在一定程度上可以幫助解決「看病難」的問題。
(3) 如何控制大數據的成本?存儲架構是否合理，不僅影響醫院IT系統的成本，而且關乎醫院的運營成本，醫療數據激增，使醫院普遍存在著較大的存儲擴容壓力。如今，醫院的存儲設備大多是由不同廠商構成的完全異構的存儲系統。這些不同的存儲設備利用各自不同的軟體工具來進行控制和管理，這樣就增加了整個系統的復雜性，使管理成本非常高。
未來，大數據必將影響醫療行業，未來醫療行業的大數據將會具體應用在：臨床輔助決策，醫療質量監管，疾病預測模型，臨床實驗分析。其發展空間有：個人健康門戶，慢病管理和健康管理，電子病歷和臨床質量監控，醫學知識管理，臨床路徑和循證醫學，遠程醫療和移動醫療，醫學研究數據倉庫和共享平台，跨醫療機構協作平台。
D. 醫療大數據的分析和挖掘發展現狀如何未來會有什麼樣的應用前景
大數據結合醫療行業發展前景非常樂觀，據前瞻產業研究院《2016-2021年中國大數據產業發展前景與投資戰略規劃分析報告》顯示，醫院和醫療行業面臨的大數據主要有醫學影像、視頻(教學、監控)及文獻等非結構化數據。由於這些數據增長很快且結構復雜，給數據管理和利用帶來較大的壓力，存儲與管理成本不斷提高，數據利用困難、利用率低。除了數據數量和形態的迅速增加，醫療數據還需要越來越長的保留期。一旦存儲系統的安全性出現問題，導致醫療數據丟失，醫院會面臨嚴重不良局面。醫療大數據的應用要保證數據的全面性、准確性、實時性和使用的便捷性，要能快速運算和快速展現，要與日常工作平台緊密結合。
前瞻產業研究院認為，面對「大數據」的挑戰，醫院必須考慮三大主要問題。
(1) 數據存儲是否安全可靠?因為系統一旦出現故障，首先考驗的就是數據的存儲、災備和恢復能力。如果數據不能迅速恢復，而且恢復不能到斷點，則將對醫院的業務、患者滿意度構成直接損害。
(2) 如何提高醫院運行和服務的效率?提高效率就是節省醫生的時間，從而緩解醫療資源的緊張狀況，在一定程度上可以幫助解決「看病難」的問題。
(3) 如何控制大數據的成本?存儲架構是否合理，不僅影響醫院IT系統的成本，而且關乎醫院的運營成本，醫療數據激增，使醫院普遍存在著較大的存儲擴容壓力。如今，醫院的存儲設備大多是由不同廠商構成的完全異構的存儲系統。這些不同的存儲設備利用各自不同的軟體工具來進行控制和管理，這樣就增加了整個系統的復雜性，使管理成本非常高。
E. 醫療大數據的分析和挖掘發展現狀如何未來會有什麼樣的應用前景
前景不錯，據前瞻產業研究院《全球健康醫療大數據行業發展前景預測與版投資戰略規劃分權析報告》顯示，目前我國的醫療行業現狀是，優質醫療資源集中在大城市，地方以及偏遠地區醫療條件較差，醫療資源的配置不合理，導致了大量的長尾需求，催生了廣闊的互聯網醫療市場。在此背景下，互聯網的「連接」屬性得以發揮，有效提高了長尾市場的信息流通，降低了產品擴大受眾群的成本，而大數據技術的應用能夠使得醫療服務更加完善和精準。
醫療大數據的應用主要指的是將各個層次的醫療信息和數據，利用互聯網以及大數據技術進行挖掘和分析，為醫療服務的提升提供有價值的依據，使醫療行業運營更高效，服務更精準，最終降低患者的醫療支出。
目前，中國醫療大數據應用可以簡單分為兩大方向
第一類，是對傳統醫療的優化，即服務於醫療機構的大數據應用（包含醫院、險企、葯企、醫療器械企業等傳統醫療行業機構）。
第二類，是對傳統醫療的補充，即服務於大眾醫療健康的大數據應用。是針對傳統醫療服務未覆蓋到的市場需求，利用互聯網和大數據技術和服務加以補充，例如：診前分診、就診數據跟蹤及信息反饋等個人健康管理服務。
F. 如何用大數據實現智慧醫療
醫療數據主要來源，包括患者檔案、醫療機構、制葯企業等等，所以醫患和葯，就是圍繞這樣一個體系架構去做的。它本身數據要求周期比較長，一般按要求時間很長，這裡面各種各樣一些數據。解決方案，本身基礎是什麼？這是數據架構。
利用大數據架構，分析臨床、操作、定價問題、付款問題、支付問題、研發以及新的商業模式、體系架構、制葯行業，臨床決策，費用報銷等等，這樣一個體系架構，醫療行業應用面非常廣。
關於如何用大數據實現智慧醫療？用一個案例解釋
探碼智慧醫療平台通過為患者提供一種前所未有的智慧體驗，其應用涉及到統一通信、視頻、無線網路、感測技術和RFID等當前最新的和最熱門的技術領域，從而打造了一個整合各種應用高新科技信息化平台。
於此同時，探碼科技利用自身大數據收集能力的優勢，通過廣泛的數據源訪問大量結構化和非結構化的患者數據，預測分析可以幫助診斷患者狀況，將治療與最佳結果相匹配，並預測患有疾病或醫院重新接種風險的患者。
運用互聯網共享數據的智能互聯設備和感測器數量的迅速增長。在醫療保健方面，利用各種物聯網新技術的導入，智慧醫療將改變目前醫療服務的現狀、醫院內外以及醫患關系都將發生新的變化，醫療服務將會更加彈性與開放，可以為不斷持續提升醫療服務品質，例如電子病歷與疾病信息平台的建立，都將有助醫院無紙化並進一步打通病患信息的共享機制。從而使患者用較短的治療時間、支付基本的醫療費用，就可以享受安全、便利、優質的診療服務。
智慧醫療與傳統的醫療服務模式相比，主要有以下一些優點：
利用多種感測器設備和適合家庭使用的醫療儀器，自動的或自助的採集各類人體生 命體征數據，在減輕醫務人員負擔的同時，能夠更頻繁的獲取更豐富的數據。
採集的數據通過無線網路自動傳輸至醫院數據中心，醫務人員利用數據提供遠程醫 療服務，能夠提高服務效率，緩解醫院排隊問題，並減少交通成本。
數據集中存放管理，實現數據廣泛共享和深度利用，從而能夠對大量醫療數據進行 分析和挖掘，有助於解決關鍵病歷和疑難雜症。
能夠以較低的成本對亞健康人群、老年人和慢性病患者提供長期、快速、穩定的健康監控和診療服務，降低發病風險，間接減少對稀缺醫療資源（床位等）的需求
G. 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。
H. 大數據醫療具體是指什麼
醫療大數據是個很寬泛的概念，他有很多詳細的分類，包括：電子病歷數據，這是患者就醫過程中所產生的數據，包括患者基本信息、疾病主訴、檢驗數據、影像數據、診斷數據、治療數據等，這類數據一般產生及存儲在醫療機構的電子病歷中，這也是醫療數據最主要的產生地。電子化的醫療病歷方便了病歷的存儲和傳輸，但是並未達到進行數據分析的要求。大約80%的醫療數據是自由文本構成的非結構化數據，其中不僅包括大段的文字描述，也包括包含非統一文字的表格欄位。通過醫學自然語言理解技術，將非結構化醫療數據轉化為適合計算機分析的結構化形式是醫療大數據分析的基礎。電子病歷中所採集的數據是數據量最多、最有價值的醫療數據。通過和臨床信息系統的整合，內容涵蓋了醫院內的方方面面的臨床數據集。在電子病歷的互通互聯上，出於各自的利益性（限制病人轉診），各大電子病歷企業也不願意使數據互通互聯。根據美國政府相關報告顯示，其電子病歷共享比例也僅為30%左右。
檢驗數據
醫院檢驗機構產生了大量患者的診斷、檢測數據，也有大量存在的第三方醫學檢驗中心也在產生數據。檢驗數據是醫療臨床子系統中的一個細分小類，但是可以通過檢驗數據直接患者的疾病發展和變化。目前臨床檢驗設備得到迅速發展，通過LIS 系統對檢驗數據進行收集，可以對疾病的早發現早診斷和正確診斷做出貢獻。
影像數據
隨著資料庫技術和計算機通訊技術的發展，數字化影像傳輸和電子膠片應運而生。醫療影像數據是通過影像成像設備和影像信息化系統產生的，醫院影像科和第三方獨立影像中心存儲了大量的數字化影像數據。醫學影像大數據，是由DR、CT、MR 等醫學影像設備產生所產生並存儲在PACS 系統內的大規模、高增速、多結構、高價值和真實准確的影像數據集合。與檢驗信息系統（LIS）大數據和電子病歷（EMR）等同屬於醫療大數據的核心范疇。醫學影像數據量非常龐大，影像數據增速快，標准化程度高。影像數據和臨床其他數據比較起來，它的標准化、格式化、統一性是最好的，價值開發也最早。
費用數據
醫院門診費用、住院費用、單病種費用、醫保費用、檢查和化驗收入、衛生材料收入、診療費用、管理費用率、資產負債率等和經濟相關的數據。除了醫療服務的收入費用之外，還包含醫院所提供醫療服務的成本數據，包含葯品、器械、衛生人員工資等成本數據。在DRGs 按疾病診斷相關組付費模式中，需要詳細的成本數據核算。通過大樣本量的測算，建立病種標准成本，加強病種成本核算和精細化成本管理。
基因測序數據
基因檢測技術通過基因組信息以及相關數據系統，預測罹患多種疾病的可能性。基因測序會產大量的個人遺傳基因數據，一次全面的基因測序，產生的個人數據則達到300GB。一家基因測序企業每月產生的數據量可以達到數百TB 甚至1PB。
智能穿戴數據
各種智能可穿戴設備的出現，使得血壓、心率、體重、體脂、血糖、心電圖等健康體征數據的監測都變成可能，患者的單一體征健康數據以及運動數據快速上傳到雲端，而且數據的採集頻率和分析速度大大提升。除了生命體征之外，還有其他智能設備收集的健康行為數據，比如每天的卡路里攝入量、喝水量、步行數、運動時間、睡眠時間等等。智能穿戴設備雖然在這兩年遇冷，用戶很難形成粘性，但是並不意味著智能穿戴設備所產生的數據沒有意義。提供健康數據和服務，可能是智能穿戴廠商未來的轉型之路。健康大數據的收集必須依靠硬體載體，智能穿戴設備還將會遇到自己的第二春。
體檢數據
體檢數據是體檢機構所產生的健康人群的身高、體重、檢驗和影像等數據。這部分數據來自醫院或者第三體檢機構，大部分是健康人群的體征數據。隨著亞健康人群、慢病患者的增加，越來越多的體檢者除了想從體檢報告中了解自己的健康狀況，還想從體檢結果中獲得精準的健康風險評估，以及如何進行健康、慢病管理。
移動問診數據
通過移動設備端或者PC 端連接到互聯網醫療機構，產生的輕問診數據和行為數據。曾經通過互聯網問診企業春雨醫生的數據，分析各地醫生互聯網問診的活躍度、細分疾病種的問診行為。通過這些數據的分析，對行業發展、互聯網問診企業的決策有非常重要的幫助。