醫療大數據業務
Ⅰ 大數據醫療發展的意義是怎樣的
數據共享，醫療共享。節省醫療資源和稀缺資源，更有效的利用稀缺資源，讓醫療技術不發達的確也能享受到高質量的醫療條件。理論前景是比較光明的，路途並不是那麼好走，不過都在不斷的探索中前行著，前景很好。
Ⅱ 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。」
Ⅲ 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。
Ⅳ 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。
Ⅳ 醫療大數據的主要來源有哪些
醫療大數據主要來自醫療機構，大家平時去看病、體檢都會有醫療數據的產生，大量的數據匯集到一起就成了大數據。
Ⅵ 為什麼醫療大數據的落實這么難
醫療大數據的落實難主要有這幾點：
1、數據獲取難度大；
2、著數據關聯度低；內
3、數據記錄不完整；
4、數據利用容率低等問題。
而造成這些問題的主要原因是醫療信息系統建設早，缺乏整體規劃，數據統計有多個系統來源，導致數據統計口徑不一，管理措施難以落實，難以形成對臨床知識的管理和積累決策分析支持不得力，業務應用壓力過大。
Ⅶ 醫療大數據是什麼
就是醫療行業積累的大數據問題，
比如看診歷史最豐富了，如何從過往歷史里分析出最好的治療方案
如何從已有的成功案例里找到現在最近似的治療手段等等
Ⅷ 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。
Ⅸ 大數據在醫療行業怎麼樣
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。