健康檔案大數據
① 以下哪個可用於大數據的流式處理
大數據是指無法在一定時間內用常規軟體工具對其內容進行抓取、管理和處理的數據集合。大數據技術，是指從各種各樣類型的數據中，快速獲得有價值信息的能力。適用於大數據的技術，包括大規模並行處理（MPP）資料庫，數據挖掘電網，分布式文件系統，分布式資料庫，雲計算平台，互聯網，和可擴展的存儲系統。
大數據有四個基本特徵：一、數據體量巨大（Vomule），二、數據類型多樣（Variety），三、處理速度快（Velocity），四、價值密度低（Value）。
在大數據的領域現在已經出現了非常多的新技術，這些新技術將會是大數據收集、存儲、處理和呈現最強有力的工具。大數據處理一般有以下幾種關鍵性技術：大數據採集、大數據預處理、大數據存儲及管理、大數據分析及挖掘、大數據展現和應用（大數據檢索、大數據可視化、大數據應用、大數據安全等）。
大數據處理之一：採集。大數據的採集是指利用多個資料庫來接收發自客戶端（Web、App或者感測器形式等）的數據，並且用戶可以通過這些資料庫來進行簡單的查詢和處理工作。比如，電商會使用傳統的關系型資料庫MySQL和Oracle等來存儲每一筆事務數據，除此之外，Redis和MongoDB這樣的NoSQL資料庫也常用於數據的採集。
在大數據的採集過程中，其主要特點和挑戰是並發數高，因為同時有可能會有成千上萬的用戶來進行訪問和操作，比如火車票售票網站和淘寶，它們並發的訪問量在峰值時達到上百萬，所以需要在採集端部署大量資料庫才能支撐。並且如何在這些資料庫之間進行負載均衡和分片的確是需要深入的思考和設計。
大數據處理之二：導入和預處理。雖然採集端本身會有很多資料庫，但是如果要對這些海量數據進行有效的分析，還是應該將這些來自前端的數據導入到一個集中的大型分布式資料庫，或者分布式存儲集群，並且可以在導入基礎上做一些簡單的清洗和預處理工作。也有一些用戶會在導入時使用來自Twitter的Storm來對數據進行流式計算，來滿足部分業務的實時計算需求。
導入與預處理過程的特點和挑戰主要是導入的數據量大，每秒鍾的導入量經常會達到百兆，甚至千兆級別。
大數據處理之三：統計和分析。統計與分析主要利用分布式資料庫，或者分布式計算集群來對存儲於其內的海量數據進行普通的分析和分類匯總等，以滿足大多數常見的分析需求，在這方面，一些實時性需求會用到EMC的GreenPlum、Oracle的Exadata，以及基於MySQL的列式存儲Infobright等，而一些批處理，或者基於半結構化數據的需求可以使用Hadoop。
統計與分析這部分的主要特點和挑戰是分析涉及的數據量大，其對系統資源，特別是I/O會有極大的佔用。
大數據處理之四：挖掘。與前面統計和分析過程不同的是，數據挖掘一般沒有什麼預先設定好的主題，主要是在現有數據上面進行基於各種演算法的計算，從而起到預測（Predict）的效果，從而實現一些高級別數據分析的需求。比較典型演算法有用於聚類的Kmeans、用於統計學習的SVM和用於分類的NaiveBayes，主要使用的工具有Hadoop的Mahout等。該過程的特點和挑戰主要是用於挖掘的演算法很復雜，並且計算涉及的數據量和計算量都很大，常用數據挖掘演算法都以單線程為主。
整個大數據處理的普遍流程至少應該滿足這四個方面的步驟，才能算得上是一個比較完整的大數據處理。
大數據的處理方式大致分為數據流處理方式和批量數據處理方式兩種。數據流處理的方式適合用於對實時性要求比較高的場合中。並不需要等待所有的數據都有了之後再進行處理，而是有一點數據就處理一點，更多地要求機器的處理器有較快速的性能以及擁有比較大的主存儲器容量，對輔助存儲器的要求反而不高。批量數據處理方式是對整個要處理的數據進行切割劃分成小的數據塊，之後對其進行處理。重點在於把大化小——把劃分的小塊數據形成小任務，分別單獨進行處理，並且形成小任務的過程中不是進行數據傳輸之後計算，而是將計算方法（通常是計算函數——映射並簡化）作用到這些數據塊最終得到結果。
當前，對大數據的處理分析正成為新一代信息技術融合應用的節點。移動互聯網、物聯網、社交網路、數字家庭、電子商務等是新一代信息技術的應用形態，這些應用不斷產生大數據。通過對不同來源數據的管理、處理、分析與優化，將結果反饋到上述應用中，將創造出巨大的經濟和社會價值。大數據也是信息產業持續高速增長的新引擎。面對大數據市場的新技術、新產品、新業態會不斷涌現。在硬體與集成設備領域，大數據將對晶元、存儲產業產生重要影響，還將催生一體化數據存儲處理伺服器、內存計算等市場。在軟體與服務領域，大數據將引發數據快速處理分析、數據挖掘技術和軟體產品的發展。大數據利用將成為提高核心競爭力的關鍵因素。各行各業的決策正在從「業務驅動」轉變為「數據驅動」。對大數據的分析可以使零售商實時掌握市場動態並迅速做出應對；可以為商家制定更加精準有效的營銷策略提供決策支持；可以幫助企業為消費者提供更加及時和個性化的服務；在醫療領域，可提高診斷准確性和葯物有效性；在公共事業領域，大數據也開始發揮促進經濟發展、維護社會穩定等方面的重要作用。大數據時代科學研究的方法手段將發生重大改變。例如，抽樣調查是社會科學的基本研究方法。在大數據時代，可通過實時監測，跟蹤研究對象在互聯網上產生的海量行為數據，進行挖掘分析，揭示出規律性的東西，提出研究結論和對策。
目前大數據在醫療衛生領域有廣為所知的應用，公共衛生部門可以通過覆蓋全國的患者電子病歷資料庫進行全面疫情監測。5千萬條美國人最頻繁檢索的詞條被用來對冬季流感進行更及時准確的預測。學術界整合出2003年H5N1禽流感感染風險地圖，研究發行此次H7N9人類病例區域。社交網路為許多慢性病患者提供了臨床症狀交流和診治經驗分享平台，醫生藉此可獲得院外臨床效果統計數據。基於對人體基因的大數據分析，可以實現對症下葯的個性化治療。
在醫葯研發方面，大數據的戰略意義在於對各方面醫療衛生數據進行專業化處理，對患者甚至大眾的行為和情緒的細節化測量成為可能，挖掘其症狀特點、行為習慣和喜好等，找到更符合其特點或症狀的葯品和服務，並針對性的調整和優化。在醫葯研究開發部門或公司的新葯研發階段，能夠通過大數據技術分析來自互聯網上的公眾疾病葯品需求趨勢，確定更為有效率的投入產品比，合理配置有限研發資源。除研發成本外，醫葯公司能夠優化物流信息平台及管理，更快地獲取回報，一般新葯從研發到推向市場的時間大約為13年，使用數據分析預測則能幫助醫葯研發部門或企業提早將新葯推向市場。
在疾病診治方面，可通過健康雲平台對每個居民進行智能採集健康數據，居民可以隨時查閱，了解自身健康程度。同時，提供專業的在線專家咨詢系統，由專家對居民健康程度做出診斷，提醒可能發生的健康問題，避免高危病人轉為慢性病患者，避免慢性病患者病情惡化，減輕個人和醫保負擔，實現疾病科學管理。對於醫療衛生機構，通過對遠程監控系統產生數據的分析，醫院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。武漢協和醫院目前也已經與市區八家社區衛生服務中心建立遠程遙控聯系，並將在未來提供「從醫院到家」的服務。在醫療衛生機構，通過實時處理管理系統產生的數據，連同歷史數據，利用大數據技術分析就診資源的使用情況，實現機構科學管理，提高醫療衛生服務水平和效率，引導醫療衛生資源科學規劃和配置。大數據還能提升醫療價值，形成個性化醫療，比如基於基因科學的醫療模式。
在公共衛生管理方面，大數據可以連續整合和分析公共衛生數據，提高疾病預報和預警能力，防止疫情爆發。公共衛生部門則可以通過覆蓋區域的衛生綜合管理信息平台和居民信息資料庫，快速監測傳染病，進行全面疫情監測，並通過集成疾病監測和響應程序，進行快速響應，這些都將減少醫療索賠支出、降低傳染病感染率。通過提供准確和及時的公眾健康咨詢，將會大幅提高公眾健康風險意識，同時也將降低傳染病感染風險。
在居民健康管理方面，居民電子健康檔案是大數據在居民健康管理方面的重要數據基礎，大數據技術可以促進個體化健康事務管理服務，改變現代營養學和信息化管理技術的模式，更全面深入地從社會、心理、環境、營養、運動的角度來對每個人進行全面的健康保障服務，幫助、指導人們成功有效地維護自身健康。另外，大數據可以對患者健康信息集成整合，在線遠程為診斷和治療提供更好的數據證據，通過挖掘數據對居民健康進行智能化監測，通過移動設備定位數據對居民健康影響因素進行分析等等，進一步提升居民健康管理水平。
在健康危險因素分析方面，互聯網、物聯網、醫療衛生信息系統及相關信息系統等普遍使用，可以系統全面地收集健康危險因素數據，包括環境因素（利用GIS系統採集大氣、土壤、水文等數據），生物因素（包括致病性微生物、細菌、病毒、真菌等的監測數據），經濟社會因素（分析經濟收入、營養條件、人口遷徙、城鎮化、教育就業等因素數據），個人行為和心理因素，醫療衛生服務因素，以及人類生物遺傳因素等，利用大數據技術對健康危險因素進行比對關聯分析，針對不同區域、人群進行評估和遴選健康相關危險因素及製作健康監測評估圖譜和知識庫也成為可能，提出居民健康干預的有限領域和有針對性的干預計劃，促進居民健康水平的提高。
② 醫療健康領域的大數據有哪些來源
這個很多，人口健康普查，醫院臨床檢驗數據，電子健康檔案，還有現在一些健康醫療類的手機app,一些高科技設備如(小米手環，可以測量健康情況的運動鞋，測血壓血壓儀等)
③ 國內醫療大數據公司有哪些最好結合案例
大數據在醫療行業的應用可在以下幾個方面發揮積極作用：
（1）服務居民。居民健康指導服務系統，提供精準醫療、個性化健康保健指導，使居民能在醫院、社區及線上的服務保持連續性。例如，提供心血管、癌症、高血壓、糖尿病等慢性病干預、管理、健康預警及健康宣教（保健方案訂閱、推送）；同時減少患者住院時間，減少急診量，提高家庭護理比例和門診醫生預約量。
5、疾病模式的分析
通過分析疾病的模式和趨勢，可以幫助醫療產品企業制定戰略性的研發投資決策，幫助其優化研發重點，優化配備資源。
新的商業模式
大數據分析可以給醫療服務行業帶來新的商業模式。
匯總患者的臨床記錄和醫療保險數據集
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。
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，將會大幅提高公眾健康風險意識，同時也將降低傳染病感染風險。所有的這些都將幫助人們創造更好的生活。
④ 有關大數據的論文 急 在線等！！！
大數據是指無法在一定時間內用常規軟體工具對其內容進行抓取、管理和處理的數據集合。大數據技術，是指從各種各樣類型的數據中，快速獲得有價值信息的能力。適用於大數據的技術，包括大規模並行處理（MPP）資料庫，數據挖掘電網，分布式文件系統，分布式資料庫，雲計算平台，互聯網，和可擴展的存儲系統。
大數據有四個基本特徵：一、數據體量巨大(Vomule)，二、數據類型多樣(Variety)，三、處理速度快(Velocity)，四、價值密度低(Value)。
在大數據的領域現在已經出現了非常多的新技術，這些新技術將會是大數據收集、存儲、處理和呈現最強有力的工具。大數據處理一般有以下幾種關鍵性技術:大數據採集、大數據預處理、大數據存儲及管理、大數據分析及挖掘、大數據展現和應用(大數據檢索、大數據可視化、大數據應用、大數據安全等)。
大數據處理之一：採集。大數據的採集是指利用多個資料庫來接收發自客戶端（Web、App或者感測器形式等）的數據，並且用戶可以通過這些資料庫來進行簡單的查詢和處理工作。比如，電商會使用傳統的關系型資料庫MySQL和Oracle等來存儲每一筆事務數據，除此之外，Redis和MongoDB這樣的NoSQL資料庫也常用於數據的採集。
在大數據的採集過程中，其主要特點和挑戰是並發數高，因為同時有可能會有成千上萬的用戶來進行訪問和操作，比如火車票售票網站和淘寶，它們並發的訪問量在峰值時達到上百萬，所以需要在採集端部署大量資料庫才能支撐。並且如何在這些資料庫之間進行負載均衡和分片的確是需要深入的思考和設計。
大數據處理之二：導入和預處理。雖然採集端本身會有很多資料庫，但是如果要對這些海量數據進行有效的分析，還是應該將這些來自前端的數據導入到一個集中的大型分布式資料庫，或者分布式存儲集群，並且可以在導入基礎上做一些簡單的清洗和預處理工作。也有一些用戶會在導入時使用來自Twitter的Storm來對數據進行流式計算，來滿足部分業務的實時計算需求。
導入與預處理過程的特點和挑戰主要是導入的數據量大，每秒鍾的導入量經常會達到百兆，甚至千兆級別。
大數據處理之三：統計和分析。統計與分析主要利用分布式資料庫，或者分布式計算集群來對存儲於其內的海量數據進行普通的分析和分類匯總等，以滿足大多數常見的分析需求，在這方面，一些實時性需求會用到EMC的GreenPlum、Oracle的Exadata，以及基於MySQL的列式存儲Infobright等，而一些批處理，或者基於半結構化數據的需求可以使用Hadoop。
統計與分析這部分的主要特點和挑戰是分析涉及的數據量大，其對系統資源，特別是I/O會有極大的佔用。
大數據處理之四：挖掘。與前面統計和分析過程不同的是，數據挖掘一般沒有什麼預先設定好的主題，主要是在現有數據上面進行基於各種演算法的計算，從而起到預測（Predict）的效果，從而實現一些高級別數據分析的需求。比較典型演算法有用於聚類的Kmeans、用於統計學習的SVM和用於分類的NaiveBayes，主要使用的工具有Hadoop的Mahout等。該過程的特點和挑戰主要是用於挖掘的演算法很復雜，並且計算涉及的數據量和計算量都很大，常用數據挖掘演算法都以單線程為主。
整個大數據處理的普遍流程至少應該滿足這四個方面的步驟，才能算得上是一個比較完整的大數據處理。
大數據的處理方式大致分為數據流處理方式和批量數據處理方式兩種。數據流處理的方式適合用於對實時性要求比較高的場合中。並不需要等待所有的數據都有了之後再進行處理，而是有一點數據就處理一點，更多地要求機器的處理器有較快速的性能以及擁有比較大的主存儲器容量，對輔助存儲器的要求反而不高。批量數據處理方式是對整個要處理的數據進行切割劃分成小的數據塊，之後對其進行處理。重點在於把大化小——把劃分的小塊數據形成小任務，分別單獨進行處理，並且形成小任務的過程中不是進行數據傳輸之後計算，而是將計算方法（通常是計算函數——映射並簡化）作用到這些數據塊最終得到結果。
當前，對大數據的處理分析正成為新一代信息技術融合應用的節點。移動互聯網、物聯網、社交網路、數字家庭、電子商務等是新一代信息技術的應用形態，這些應用不斷產生大數據。通過對不同來源數據的管理、處理、分析與優化，將結果反饋到上述應用中，將創造出巨大的經濟和社會價值。大數據也是信息產業持續高速增長的新引擎。面對大數據市場的新技術、新產品、新業態會不斷涌現。在硬體與集成設備領域，大數據將對晶元、存儲產業產生重要影響，還將催生一體化數據存儲處理伺服器、內存計算等市場。在軟體與服務領域，大數據將引發數據快速處理分析、數據挖掘技術和軟體產品的發展。大數據利用將成為提高核心競爭力的關鍵因素。各行各業的決策正在從「業務驅動」轉變為「數據驅動」。對大數據的分析可以使零售商實時掌握市場動態並迅速做出應對；可以為商家制定更加精準有效的營銷策略提供決策支持；可以幫助企業為消費者提供更加及時和個性化的服務；在醫療領域，可提高診斷准確性和葯物有效性；在公共事業領域，大數據也開始發揮促進經濟發展、維護社會穩定等方面的重要作用。大數據時代科學研究的方法手段將發生重大改變。例如，抽樣調查是社會科學的基本研究方法。在大數據時代，可通過實時監測，跟蹤研究對象在互聯網上產生的海量行為數據，進行挖掘分析，揭示出規律性的東西，提出研究結論和對策。
目前大數據在醫療衛生領域有廣為所知的應用，公共衛生部門可以通過覆蓋全國的患者電子病歷資料庫進行全面疫情監測。5千萬條美國人最頻繁檢索的詞條被用來對冬季流感進行更及時准確的預測。學術界整合出2003年H5N1禽流感感染風險地圖，研究發行此次H7N9人類病例區域。社交網路為許多慢性病患者提供了臨床症狀交流和診治經驗分享平台，醫生藉此可獲得院外臨床效果統計數據。基於對人體基因的大數據分析，可以實現對症下葯的個性化治療。
在醫葯研發方面，大數據的戰略意義在於對各方面醫療衛生數據進行專業化處理，對患者甚至大眾的行為和情緒的細節化測量成為可能，挖掘其症狀特點、行為習慣和喜好等，找到更符合其特點或症狀的葯品和服務，並針對性的調整和優化。在醫葯研究開發部門或公司的新葯研發階段，能夠通過大數據技術分析來自互聯網上的公眾疾病葯品需求趨勢，確定更為有效率的投入產品比，合理配置有限研發資源。除研發成本外，醫葯公司能夠優化物流信息平台及管理，更快地獲取回報，一般新葯從研發到推向市場的時間大約為13年，使用數據分析預測則能幫助醫葯研發部門或企業提早將新葯推向市場。
在疾病診治方面，可通過健康雲平台對每個居民進行智能採集健康數據，居民可以隨時查閱，了解自身健康程度。同時，提供專業的在線專家咨詢系統，由專家對居民健康程度做出診斷，提醒可能發生的健康問題，避免高危病人轉為慢性病患者，避免慢性病患者病情惡化，減輕個人和醫保負擔，實現疾病科學管理。對於醫療衛生機構，通過對遠程監控系統產生數據的分析，醫院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。武漢協和醫院目前也已經與市區八家社區衛生服務中心建立遠程遙控聯系，並將在未來提供「從醫院到家」的服務。在醫療衛生機構，通過實時處理管理系統產生的數據，連同歷史數據，利用大數據技術分析就診資源的使用情況，實現機構科學管理，提高醫療衛生服務水平和效率，引導醫療衛生資源科學規劃和配置。大數據還能提升醫療價值，形成個性化醫療，比如基於基因科學的醫療模式。
在公共衛生管理方面，大數據可以連續整合和分析公共衛生數據，提高疾病預報和預警能力，防止疫情爆發。公共衛生部門則可以通過覆蓋區域的衛生綜合管理信息平台和居民信息資料庫，快速監測傳染病，進行全面疫情監測，並通過集成疾病監測和響應程序，進行快速響應，這些都將減少醫療索賠支出、降低傳染病感染率。通過提供准確和及時的公眾健康咨詢，將會大幅提高公眾健康風險意識，同時也將降低傳染病感染風險。
在居民健康管理方面，居民電子健康檔案是大數據在居民健康管理方面的重要數據基礎，大數據技術可以促進個體化健康事務管理服務，改變現代營養學和信息化管理技術的模式，更全面深入地從社會、心理、環境、營養、運動的角度來對每個人進行全面的健康保障服務，幫助、指導人們成功有效地維護自身健康。另外，大數據可以對患者健康信息集成整合，在線遠程為診斷和治療提供更好的數據證據，通過挖掘數據對居民健康進行智能化監測，通過移動設備定位數據對居民健康影響因素進行分析等等，進一步提升居民健康管理水平。
在健康危險因素分析方面，互聯網、物聯網、醫療衛生信息系統及相關信息系統等普遍使用，可以系統全面地收集健康危險因素數據，包括環境因素（利用GIS系統採集大氣、土壤、水文等數據），生物因素（包括致病性微生物、細菌、病毒、真菌等的監測數據），經濟社會因素（分析經濟收入、營養條件、人口遷徙、城鎮化、教育就業等因素數據），個人行為和心理因素，醫療衛生服務因素，以及人類生物遺傳因素等，利用大數據技術對健康危險因素進行比對關聯分析，針對不同區域、人群進行評估和遴選健康相關危險因素及製作健康監測評估圖譜和知識庫也成為可能，提出居民健康干預的有限領域和有針對性的干預計劃，促進居民健康水平的提高。
⑤ 國內哪些廠家做醫保大數據平台
大數據在醫療行業的應用可在以下幾個方面發揮積極作用：
（1）服務居民。居民健康指導服務系統，提供精準醫療、個性化健康保健指導，使居民能在醫院、社區及線上的服務保持連續性。例如，提供心血管、癌症、高血壓、糖尿病等慢性病干預、管理、健康預警及健康宣教（保健方案訂閱、推送）；同時減少患者住院時間，減少急診量，提高家庭護理比例和門診醫生預約量。
5、疾病模式的分析
通過分析疾病的模式和趨勢，可以幫助醫療產品企業制定戰略性的研發投資決策，幫助其優化研發重點，優化配備資源。新的商業模式
大數據分析可以給醫療服務行業帶來新的商業模式。
匯總患者的臨床記錄和醫療保險數據集
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。
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，將會大幅提高公眾健康風險意識，同時也將降低傳染病感染風險。所有的這些都將幫助人們創造更好的生活。
⑥ 醫療大數據爆發，千億級市場怎麼玩
未來資本對大數據的爭奪戰已經開始。據媒體報道，2013年至2014年以來, 大數據是互聯網醫療健康主要並購投資領域之一。
前身為中國首家專業從事醫院信息系統軟體開發與應用工程企業的北大醫療信息技術有限公司(下稱「北大醫信」)已經瞄準了醫療大數據的戰略方向。
今年3月，北大基金會向北大醫信投資3000萬，這是北大史上投資最大的「真金白銀」。在3月14日的北大醫信成立大會上，方正集團高級副總裁、方正信產集團CEO方中華直接給其賦予了重任：「北大和方正集團的大力支持、大數據時代帶來的無限機遇，都應該讓我們感到，我們的事業之無上光榮;光榮的背後是任重道遠，必須要共同努力將北大、方正賦予北大醫信的使命完成好、做好大數據事業，不僅要做北大大數據中心，未來還要做國家級、世界級的大數據中心。」
12月11日，弘毅投資、高盛、東軟控股及協同創新等投資者共同對東軟熙康進行1.7億美元的增資。東軟熙康是東軟集團旗下專門從事互聯網醫療和健康管理的公司，致力於通過大數據，雲計算、物聯網、移動互聯網提供基於O2O模式的健康管理與醫療服務平台，這筆投資刷新了國內互聯網醫療與健康管理領域最大單筆融資的紀錄，也是全球互聯網醫療與健康管理領域最大單筆融資之一。
上海醫聯工程已經建立了國內目前醫療機構聯網范圍最大的臨床信息共享系統。該工程的承建商萬達信息股份有限公司(下稱「萬達信息」)，2014年7月收購上海復高計算機科技有限公司，8月收購寧波金唐軟體股份有限公司。這兩個公司都是在醫療信息化領域做了十多年的企業。
萬達信息股份有限公司總裁助理馮東雷告訴網易科技，萬達信息加上新收購的兩個子公司，現在一共有員工3500人左右，其中從事與醫療健康相關的有事業部和子公司，員工共有1500人左右，是萬達信息業務中最大的一塊。
上海金仕達衛寧軟體股份有限公司是一家專業從事醫療衛生領域信息化、數字化、軟體研究與開發的高科技企業。徐春華告訴網易科技，金仕達衛寧做數據處理是原有業務的一種延伸，但是在過去一年當中，他發現，涉足醫療大數據領域的不光傳統的做醫療IT軟硬體服務的企業，甚至還有許多跨界的、之前和醫療沒關系的上市公司，例如以地產起家的運盛實業、濃縮果汁生產企業國投中魯等。
而在日前的「2014年中國移動醫療產業年會」上，中國移動、中國電信、中國聯通、IBM、保險公司招商信諾等，還有各種健康管理公司都參與了主題為「健康大數據 全民大健康」的論壇。
企業之外，醫院和各路研究機構也在嘗試開展醫療大數據的研究。11月29日，中國科學院深圳先進技術研究院健康大數據研究中心成立。北京大學正在籌備成立北大醫療健康大數據中心。最近兩個月，馮東雷拜訪了北京大學、浙江大學、中山大學、中南大學等幾所高校，「這些高校都希望在大數據方面和我們進行合作。」他透露。
2014年10月18日，首都醫科大學附屬北京安貞醫院和輝瑞投資有限公司合作的國內首個心血管醫療大數據中心項目啟動。
臨床應用：還不成熟
目前對醫療大數據的需求集中在在三個層面：運營管理、輔助治療和輔助科研。在業界看來，目前在中國，醫療大數據已經取得良好效果的是行政管理。
北京市公共衛生信息中心統計室主任郭默寧告訴網易科技，目前在數據的挖掘和利用方面，北京市公共衛生信息中心做的比較有成效的是對醫療機構進行績效分析。
以前，對醫療機構進行績效評價並不容易，因為每個病人病情各異，醫療機構的工作難度和工作效果很難衡量，醫療機構之間進行對比也非常困難。郭默寧告訴網易科技，以往對醫療機構進行績效評估的通常模式是找專家給醫院評分，依據經驗和主觀判斷比較多。
2008年開始，北京市公共衛生信息中心嘗試根據通過數據挖掘得來的指標對轄區內醫療機構進行績效評價。她告訴網易科技：「利用統計學方法，可以把醫療機構收治的病症相似的病人進行分組，這樣在同組病人當中，就可以比較各個機構的服務優劣了。這樣可以促進醫療機構精細化管理，提高醫療服務的質量。」
郭默寧告訴網易科技，未來在公共衛生領域，醫療數據的挖掘和利用的前景是非常廣闊的。比如，在醫療衛生資源規劃、配置，疾病預警等方面都會得到充分的應用。
在臨床輔助治療和輔助科研方面，已經有機構在進行探索和嘗試，但是目前尚不成熟。
萬達信息之前研發的「臨床輔助決策系統」在業界比較知名，其目前可以在上海市38家市級醫院向醫生提供近期重復用葯、檢驗、檢查的提醒、治療安全警示以及臨床路徑(是指針對某一疾病建立一套標准化治療模式與治療程序，是一個有關臨床治療的綜合模式，以循證醫學證據和指南為指導來促進治療組織和疾病管理的方法，最終起到規范醫療行為，減少變異，降低成本，提高質量的作用)服務。
但是，馮東雷告訴網易科技，這些功能的提供，實際上需要做知識庫的建設，但是現在的知識庫都是基於現有的教科書、葯品使用說明以及一些臨床手冊，都比較簡單，今後要把醫生的真實的看病的經驗也輸入進來，才能在臨床上發揮更大的意義，這才是真正的大數據挖掘。他透露，在即將開展的「心血管疾病和腫瘤疾病大數據處理分析與應用研究」的項目中，就有心血管、腫瘤專家參與進來。
2012年，萬達信息、國家衛生工程中心就申請了上海市科委醫療健康大數據的課題。在這個項目中，萬達信息嘗試了對高血壓進行大數據分析，試圖找到病症、用葯和療效之間的關聯。但是馮東雷告訴網易科技，這樣的分析目前遇到一些困難。以往的臨床研究(隨機對照試驗RCT)是用實驗組和對照組進行的，對照組是一些排除了並發症等相對理想的對照人群。樣本量小，但每個樣本的數據顆粒很細。但是用醫療大數據做分析的話，樣本量很大，但是每個樣本數據顆粒比較粗。因此不能套用傳統RCT的研究方法。因此需要新的研究思路。目前用大數據已經發現了一些治療手段和效果的關聯性，但是這種結論在臨床使用上有多大的意義還有待檢驗。
這樣的研究還在繼續。國家「863」計劃2015年度項目申報指南中，在生物和醫葯技術領域已經部署「生物大數據開發與利用關鍵技術研究」，涉及的內容包括生物大數據標准化和集成、融合技術，生物大數據表述索引、搜索與存儲訪問技術，心血管疾病和腫瘤疾病大數據處理分析與應用研究，基於區域醫療與健康大數據處理分析與應用研究，組學大數據中心和知識庫構建與服務技術等。
萬達信息參與了其中的兩項，分別為「基於區域醫療與健康大數據處理分析與應用研究」，以及「心血管疾病和腫瘤疾病大數據處理分析與應用研究」。其中後者開展面向中醫的心血管疾病和腫瘤疾病大數據分析與應用的研究。
北大醫信也在與北京大學合作，研究臨床醫療大數據的分析和利用。北大醫信服務過的醫院超過500家，其中三甲醫院200多家，佔全國三甲醫院總數的1/4左右，北京大學下屬有9家附屬醫院、13家教學醫院，這些醫院信息系統中積累的大量數據，為進行大數據分析和利用打下了堅實的基礎。
北大醫信資深副總裁兼CTO鄒悅告訴網易科技，目前北大醫信的臨床決策支持體系正在北京大學人民醫院、北京大學國際醫院、江蘇省人民醫院進行試點。
北大醫信已經開發了臨床預警和建議類的應用。預警類的應用可以根據患者的一些生命體征，判斷患病風險並進行提示。建議類的應用，目前北大醫信做了糖尿病這個病種，系統可以根據糖尿病人的症狀、檢驗檢查結果和病歷，給出相應的治療方案建議。
在臨床科研方面，北大醫信也做了一些數據分析，並且得到了一些結果。比如，以往子宮內膜異位和子宮肌瘤的誤診率高達65.1%，因為兩種疾病的症狀非常相似。通過大數據分析發現，卵巢囊腫、腹痛、貧血這三種症狀在這兩種病中的權重是不同的，子宮內膜異位與卵巢囊腫的關聯最強，子宮肌瘤和貧血的關聯最強。
「我們分析出了這個結果，但是在臨床上怎麼用，還要再進一步探討。」鄒悅介紹。
好醫生集團董事長高瞻認為，要讓大數據產生價值，需要有一條完整的價值鏈，目前中國的這個價值鏈還有缺失。大數據的價值鏈有數據的收集、儲存、分析、應用四個環節，但是目前這個產業投入比較多的是收集和儲存，分析和應用還比較弱。即使在投入較多的數據收集環節，由於缺乏相應的機制，數據的質量也不是很高。
業內者說：怎麼做
在目前的情況下，如何做好大數據?高瞻認為，應當先抓住一些關鍵業務需求，同時數據基礎比較好，先做起來，然後再逐步擴展。他舉了兩個例子。
好醫生集團曾參與過安徽省肥西縣衛生局的一個項目。據高瞻介紹，肥西縣衛生局將新農合醫療報銷系統的數據和衛生局為居民建立的電子健康檔案做了一個關聯性分析。結果發現，居民的肥胖、抽煙與高血壓、糖尿病的發病關聯性很強。高瞻告訴網易科技，這不是什麼新的發現，但是應用大數據分析的意義在於，之前大家只是從概念上知道肥胖和抽煙會對高血壓和糖尿病產生影響，用大數據分析之後，能夠真實地看到具體的一個個人的肥胖和抽煙對病症產生了影響。之後，社區醫院應用了這個分析結果，給高血壓病人、糖尿病病人看病時不光降血壓、降血糖，還要干涉患者的肥胖和吸煙。現在整個肥西、還有安徽的很多縣都在推廣這樣的做法，這一個小小的改變，使得很多地方的居民電子健康檔案的使用率從20%左右變成了60%—70%，醫生們本沒有使用積極性的資料庫被激活了。
肥西還做了個試驗。原來農村治病，不管大人小孩，一般都是開抗生素、輸液，好醫生集團多年來做鄉村醫生的培訓，呼籲不要濫用抗生素，但是在實際中效果不大。今年年初，安徽省啟動了基層醫療衛生機構處方集系統，這個系統可以根據疾病診斷，提示建議處方，旨在規范診療行為和用葯行為。同時，從今年2月開始，肥西縣衛生局每月把醫生處方當中使用兩種以上抗生素的處方的比例發給醫生。結果到了10月份，原來高達20%-60%的數據降到了個位數。
高瞻總結，大數據應用應當先從「Low hanging fruits」，即掛得低的果子、容易達成的目標開始，先把手頭有限的「小數據」用好。
這個觀點與北京301醫院計算機室原主任任連仲不謀而合。
任連仲告訴網易科技，目前中等規模以上的醫院起碼都積累了數百GB的數據，每100GB的數據就相當於30萬份病歷。雖然這個數量級還沒達到PB級，但是其中一定蘊含著許多有價值的信息。
他拿自己的觀察舉例說：「我觀察了我身邊20個左右患惡性腫瘤的人，我發現其中六七成的人在生活中有過非常苦惱郁悶的一段時期。20個樣本，就可以總結出一點規律了，何況這個樣本量大到GB級呢?那會得到更多、更有價值、更准確的結論。」
他主張先把目前的數據利用起來，現在301醫院那些成摞的申請單就是真實的需求。他說：「目前在醫院里，這樣的服務還是被動的，是醫生找上門來我們才提供服務，如果這種服務再進一步走上主動，廣而告之，告訴廣大醫護人員和管理人員我們這里可以提供你們所需的『信息服務』，醫生在和技術人員在不斷交流的過程中，一定能挖掘出大數據更大的價值。」
任連仲今年80歲，但是老爺子嘴裡蹦出的詞是「快速迭代」，按照他的說法：「好工具是用出來的。這是一個巨大的市場，這個事我們不能等。」
⑦ 第二代健康管理與健康大數據有關系嗎
健康管理和大數據有著密切的關系，但沒有什麼第二代的健康管理一說。健康管理是一個學科和領域， 不是一個技術，因而不存在第一代和第二代。
大數據在個人及人群健康管理上的作用包括（但不限於）：
•個人和人群層面上的醫療保健方案的決策
•個性化醫療：如糖尿病的人群分類、分層等；包括基因分層與干預的篩選等
•醫生工作助手: 如治療過程的臨床指南對比和分析等等；用葯合理性等問題和錯誤的提醒，
•對電子健康檔案、保險報銷數據以及其他數據的分析，幫助醫療保健服務機構和保險公司提高效率和服務質量。
•慢性病的疾病管理
•臨床和預防的科研，發現變化、趨勢或者新的健康問題 等等諸多的應用。
⑧ 大數據應用潛力，醫療大數據的實踐又有哪些
現在的時代可以成為大數據時代。大數據時代的下的我們能更好地生活，與此同時，我們的生活方式也被大數據改變。數據基本上能跟任何行業進行互動，也可以說數據對每個領域來說都起到了推動性的作用，因為在數據驅動之下，各類領域就會根絕要求去改善自身的服務，提高產品的質量，這樣就能更好地滿足客戶的需求。大數據在醫療領域的應用也是很明顯。
雖然說大數據是一個數據的收集，對於個體還是不太具有針對性的。但是，大數據對我們的生活真的是起到了一個積極的作用。不過，即使醫療手段再先進，我們還是要保護好身體，不要生病。