医疗大数据业务
Ⅰ 大数据医疗发展的意义是怎样的
数据共享，医疗共享。节省医疗资源和稀缺资源，更有效的利用稀缺资源，让医疗技术不发达的确也能享受到高质量的医疗条件。理论前景是比较光明的，路途并不是那么好走，不过都在不断的探索中前行着，前景很好。
Ⅱ 医疗大数据爆发，千亿级市场怎么玩
未来资本对大数据的争夺战已经开始。据媒体报道，2013年至2014年以来, 大数据是互联网医疗健康主要并购投资领域之一。
前身为中国首家专业从事医院信息系统软件开发与应用工程企业的北大医疗信息技术有限公司(下称“北大医信”)已经瞄准了医疗大数据的战略方向。
今年3月，北大基金会向北大医信投资3000万，这是北大史上投资最大的“真金白银”。在3月14日的北大医信成立大会上，方正集团高级副总裁、方正信产集团CEO方中华直接给其赋予了重任：“北大和方正集团的大力支持、大数据时代带来的无限机遇，都应该让我们感到，我们的事业之无上光荣;光荣的背后是任重道远，必须要共同努力将北大、方正赋予北大医信的使命完成好、做好大数据事业，不仅要做北大大数据中心，未来还要做国家级、世界级的大数据中心。”
12月11日，弘毅投资、高盛、东软控股及协同创新等投资者共同对东软熙康进行1.7亿美元的增资。东软熙康是东软集团旗下专门从事互联网医疗和健康管理的公司，致力于通过大数据，云计算、物联网、移动互联网提供基于O2O模式的健康管理与医疗服务平台，这笔投资刷新了国内互联网医疗与健康管理领域最大单笔融资的纪录，也是全球互联网医疗与健康管理领域最大单笔融资之一。
上海医联工程已经建立了国内目前医疗机构联网范围最大的临床信息共享系统。该工程的承建商万达信息股份有限公司(下称“万达信息”)，2014年7月收购上海复高计算机科技有限公司，8月收购宁波金唐软件股份有限公司。这两个公司都是在医疗信息化领域做了十多年的企业。
万达信息股份有限公司总裁助理冯东雷告诉网易科技，万达信息加上新收购的两个子公司，现在一共有员工3500人左右，其中从事与医疗健康相关的有事业部和子公司，员工共有1500人左右，是万达信息业务中最大的一块。
上海金仕达卫宁软件股份有限公司是一家专业从事医疗卫生领域信息化、数字化、软件研究与开发的高科技企业。徐春华告诉网易科技，金仕达卫宁做数据处理是原有业务的一种延伸，但是在过去一年当中，他发现，涉足医疗大数据领域的不光传统的做医疗IT软硬件服务的企业，甚至还有许多跨界的、之前和医疗没关系的上市公司，例如以地产起家的运盛实业、浓缩果汁生产企业国投中鲁等。
而在日前的“2014年中国移动医疗产业年会”上，中国移动、中国电信、中国联通、IBM、保险公司招商信诺等，还有各种健康管理公司都参与了主题为“健康大数据 全民大健康”的论坛。
企业之外，医院和各路研究机构也在尝试开展医疗大数据的研究。11月29日，中国科学院深圳先进技术研究院健康大数据研究中心成立。北京大学正在筹备成立北大医疗健康大数据中心。最近两个月，冯东雷拜访了北京大学、浙江大学、中山大学、中南大学等几所高校，“这些高校都希望在大数据方面和我们进行合作。”他透露。
2014年10月18日，首都医科大学附属北京安贞医院和辉瑞投资有限公司合作的国内首个心血管医疗大数据中心项目启动。
临床应用：还不成熟
目前对医疗大数据的需求集中在在三个层面：运营管理、辅助治疗和辅助科研。在业界看来，目前在中国，医疗大数据已经取得良好效果的是行政管理。
北京市公共卫生信息中心统计室主任郭默宁告诉网易科技，目前在数据的挖掘和利用方面，北京市公共卫生信息中心做的比较有成效的是对医疗机构进行绩效分析。
以前，对医疗机构进行绩效评价并不容易，因为每个病人病情各异，医疗机构的工作难度和工作效果很难衡量，医疗机构之间进行对比也非常困难。郭默宁告诉网易科技，以往对医疗机构进行绩效评估的通常模式是找专家给医院评分，依据经验和主观判断比较多。
2008年开始，北京市公共卫生信息中心尝试根据通过数据挖掘得来的指标对辖区内医疗机构进行绩效评价。她告诉网易科技：“利用统计学方法，可以把医疗机构收治的病症相似的病人进行分组，这样在同组病人当中，就可以比较各个机构的服务优劣了。这样可以促进医疗机构精细化管理，提高医疗服务的质量。”
郭默宁告诉网易科技，未来在公共卫生领域，医疗数据的挖掘和利用的前景是非常广阔的。比如，在医疗卫生资源规划、配置，疾病预警等方面都会得到充分的应用。
在临床辅助治疗和辅助科研方面，已经有机构在进行探索和尝试，但是目前尚不成熟。
万达信息之前研发的“临床辅助决策系统”在业界比较知名，其目前可以在上海市38家市级医院向医生提供近期重复用药、检验、检查的提醒、治疗安全警示以及临床路径(是指针对某一疾病建立一套标准化治疗模式与治疗程序，是一个有关临床治疗的综合模式，以循证医学证据和指南为指导来促进治疗组织和疾病管理的方法，最终起到规范医疗行为，减少变异，降低成本，提高质量的作用)服务。
但是，冯东雷告诉网易科技，这些功能的提供，实际上需要做知识库的建设，但是现在的知识库都是基于现有的教科书、药品使用说明以及一些临床手册，都比较简单，今后要把医生的真实的看病的经验也输入进来，才能在临床上发挥更大的意义，这才是真正的大数据挖掘。他透露，在即将开展的“心血管疾病和肿瘤疾病大数据处理分析与应用研究”的项目中，就有心血管、肿瘤专家参与进来。
2012年，万达信息、国家卫生工程中心就申请了上海市科委医疗健康大数据的课题。在这个项目中，万达信息尝试了对高血压进行大数据分析，试图找到病症、用药和疗效之间的关联。但是冯东雷告诉网易科技，这样的分析目前遇到一些困难。以往的临床研究(随机对照试验RCT)是用实验组和对照组进行的，对照组是一些排除了并发症等相对理想的对照人群。样本量小，但每个样本的数据颗粒很细。但是用医疗大数据做分析的话，样本量很大，但是每个样本数据颗粒比较粗。因此不能套用传统RCT的研究方法。因此需要新的研究思路。目前用大数据已经发现了一些治疗手段和效果的关联性，但是这种结论在临床使用上有多大的意义还有待检验。
这样的研究还在继续。国家“863”计划2015年度项目申报指南中，在生物和医药技术领域已经部署“生物大数据开发与利用关键技术研究”，涉及的内容包括生物大数据标准化和集成、融合技术，生物大数据表述索引、搜索与存储访问技术，心血管疾病和肿瘤疾病大数据处理分析与应用研究，基于区域医疗与健康大数据处理分析与应用研究，组学大数据中心和知识库构建与服务技术等。
万达信息参与了其中的两项，分别为“基于区域医疗与健康大数据处理分析与应用研究”，以及“心血管疾病和肿瘤疾病大数据处理分析与应用研究”。其中后者开展面向中医的心血管疾病和肿瘤疾病大数据分析与应用的研究。
北大医信也在与北京大学合作，研究临床医疗大数据的分析和利用。北大医信服务过的医院超过500家，其中三甲医院200多家，占全国三甲医院总数的1/4左右，北京大学下属有9家附属医院、13家教学医院，这些医院信息系统中积累的大量数据，为进行大数据分析和利用打下了坚实的基础。
北大医信资深副总裁兼CTO邹悦告诉网易科技，目前北大医信的临床决策支持体系正在北京大学人民医院、北京大学国际医院、江苏省人民医院进行试点。
北大医信已经开发了临床预警和建议类的应用。预警类的应用可以根据患者的一些生命体征，判断患病风险并进行提示。建议类的应用，目前北大医信做了糖尿病这个病种，系统可以根据糖尿病人的症状、检验检查结果和病历，给出相应的治疗方案建议。
在临床科研方面，北大医信也做了一些数据分析，并且得到了一些结果。比如，以往子宫内膜异位和子宫肌瘤的误诊率高达65.1%，因为两种疾病的症状非常相似。通过大数据分析发现，卵巢囊肿、腹痛、贫血这三种症状在这两种病中的权重是不同的，子宫内膜异位与卵巢囊肿的关联最强，子宫肌瘤和贫血的关联最强。
“我们分析出了这个结果，但是在临床上怎么用，还要再进一步探讨。”邹悦介绍。
好医生集团董事长高瞻认为，要让大数据产生价值，需要有一条完整的价值链，目前中国的这个价值链还有缺失。大数据的价值链有数据的收集、储存、分析、应用四个环节，但是目前这个产业投入比较多的是收集和储存，分析和应用还比较弱。即使在投入较多的数据收集环节，由于缺乏相应的机制，数据的质量也不是很高。
业内者说：怎么做
在目前的情况下，如何做好大数据?高瞻认为，应当先抓住一些关键业务需求，同时数据基础比较好，先做起来，然后再逐步扩展。他举了两个例子。
好医生集团曾参与过安徽省肥西县卫生局的一个项目。据高瞻介绍，肥西县卫生局将新农合医疗报销系统的数据和卫生局为居民建立的电子健康档案做了一个关联性分析。结果发现，居民的肥胖、抽烟与高血压、糖尿病的发病关联性很强。高瞻告诉网易科技，这不是什么新的发现，但是应用大数据分析的意义在于，之前大家只是从概念上知道肥胖和抽烟会对高血压和糖尿病产生影响，用大数据分析之后，能够真实地看到具体的一个个人的肥胖和抽烟对病症产生了影响。之后，社区医院应用了这个分析结果，给高血压病人、糖尿病病人看病时不光降血压、降血糖，还要干涉患者的肥胖和吸烟。现在整个肥西、还有安徽的很多县都在推广这样的做法，这一个小小的改变，使得很多地方的居民电子健康档案的使用率从20%左右变成了60%—70%，医生们本没有使用积极性的数据库被激活了。
肥西还做了个试验。原来农村治病，不管大人小孩，一般都是开抗生素、输液，好医生集团多年来做乡村医生的培训，呼吁不要滥用抗生素，但是在实际中效果不大。今年年初，安徽省启动了基层医疗卫生机构处方集系统，这个系统可以根据疾病诊断，提示建议处方，旨在规范诊疗行为和用药行为。同时，从今年2月开始，肥西县卫生局每月把医生处方当中使用两种以上抗生素的处方的比例发给医生。结果到了10月份，原来高达20%-60%的数据降到了个位数。
高瞻总结，大数据应用应当先从“Low hanging fruits”，即挂得低的果子、容易达成的目标开始，先把手头有限的“小数据”用好。
这个观点与北京301医院计算机室原主任任连仲不谋而合。
任连仲告诉网易科技，目前中等规模以上的医院起码都积累了数百GB的数据，每100GB的数据就相当于30万份病历。虽然这个数量级还没达到PB级，但是其中一定蕴含着许多有价值的信息。
他拿自己的观察举例说：“我观察了我身边20个左右患恶性肿瘤的人，我发现其中六七成的人在生活中有过非常苦恼郁闷的一段时期。20个样本，就可以总结出一点规律了，何况这个样本量大到GB级呢?那会得到更多、更有价值、更准确的结论。”
他主张先把目前的数据利用起来，现在301医院那些成摞的申请单就是真实的需求。他说：“目前在医院里，这样的服务还是被动的，是医生找上门来我们才提供服务，如果这种服务再进一步走上主动，广而告之，告诉广大医护人员和管理人员我们这里可以提供你们所需的‘信息服务’，医生在和技术人员在不断交流的过程中，一定能挖掘出大数据更大的价值。”
任连仲今年80岁，但是老爷子嘴里蹦出的词是“快速迭代”，按照他的说法：“好工具是用出来的。这是一个巨大的市场，这个事我们不能等。”
Ⅲ 国内医疗大数据公司有哪些最好结合案例
大数据在医疗行业的应用可在以下几个方面发挥积极作用：
（1）服务居民。居民健康指导服务系统，提供精准医疗、个性化健康保健指导，使居民能在医院、社区及线上的服务保持连续性。例如，提供心血管、癌症、高血压、糖尿病等慢性病干预、管理、健康预警及健康宣教（保健方案订阅、推送）；同时减少患者住院时间，减少急诊量，提高家庭护理比例和门诊医生预约量。
5、疾病模式的分析
通过分析疾病的模式和趋势，可以帮助医疗产品企业制定战略性的研发投资决策，帮助其优化研发重点，优化配备资源。
新的商业模式
大数据分析可以给医疗服务行业带来新的商业模式。
汇总患者的临床记录和医疗保险数据集
汇总患者的临床记录和医疗保险数据集，并进行高级分析，将提高医疗支付方、医疗服务提供方和医药企业的决策能力。比如，对医药企业来说，他们不仅可 以生产出具有更佳疗效的药品，而且能保证药品适销对路。临床记录和医疗保险数据集的市场刚刚开始发展，扩张的速度将取决于医疗保健行业完成EMR和循证医 学发展的速度。
公众健康
大数据的使用可以改善公众健康监控。公共卫生部门可以通过覆盖全国的患者电子病历数据库，快速检测传染病，进行全面的疫情监测，并通过集成疾病监测 和响应程序，快速进行响应。这将带来很多好处，包括医疗索赔支出减少、传染病感染率降低，卫生部门可以更快地检测出新的传染病和疫情。通过提供准确和及时 的公众健康咨询，将会大幅提高公众健康风险意识，同时也将降低传染病感染风险。所有的这些都将帮助人们创造更好的生活。
Ⅳ 大数据医疗具体是指什么
医疗大数据是个很宽泛的概念，他有很多详细的分类，包括：电子病历数据，这是患者就医过程中所产生的数据，包括患者基本信息、疾病主诉、检验数据、影像数据、诊断数据、治疗数据等，这类数据一般产生及存储在医疗机构的电子病历中，这也是医疗数据最主要的产生地。电子化的医疗病历方便了病历的存储和传输，但是并未达到进行数据分析的要求。大约80%的医疗数据是自由文本构成的非结构化数据，其中不仅包括大段的文字描述，也包括包含非统一文字的表格字段。通过医学自然语言理解技术，将非结构化医疗数据转化为适合计算机分析的结构化形式是医疗大数据分析的基础。电子病历中所采集的数据是数据量最多、最有价值的医疗数据。通过和临床信息系统的整合，内容涵盖了医院内的方方面面的临床数据集。在电子病历的互通互联上，出于各自的利益性（限制病人转诊），各大电子病历企业也不愿意使数据互通互联。根据美国政府相关报告显示，其电子病历共享比例也仅为30%左右。
检验数据
医院检验机构产生了大量患者的诊断、检测数据，也有大量存在的第三方医学检验中心也在产生数据。检验数据是医疗临床子系统中的一个细分小类，但是可以通过检验数据直接患者的疾病发展和变化。目前临床检验设备得到迅速发展，通过LIS 系统对检验数据进行收集，可以对疾病的早发现早诊断和正确诊断做出贡献。
影像数据
随着数据库技术和计算机通讯技术的发展，数字化影像传输和电子胶片应运而生。医疗影像数据是通过影像成像设备和影像信息化系统产生的，医院影像科和第三方独立影像中心存储了大量的数字化影像数据。医学影像大数据，是由DR、CT、MR 等医学影像设备产生所产生并存储在PACS 系统内的大规模、高增速、多结构、高价值和真实准确的影像数据集合。与检验信息系统（LIS）大数据和电子病历（EMR）等同属于医疗大数据的核心范畴。医学影像数据量非常庞大，影像数据增速快，标准化程度高。影像数据和临床其他数据比较起来，它的标准化、格式化、统一性是最好的，价值开发也最早。
费用数据
医院门诊费用、住院费用、单病种费用、医保费用、检查和化验收入、卫生材料收入、诊疗费用、管理费用率、资产负债率等和经济相关的数据。除了医疗服务的收入费用之外，还包含医院所提供医疗服务的成本数据，包含药品、器械、卫生人员工资等成本数据。在DRGs 按疾病诊断相关组付费模式中，需要详细的成本数据核算。通过大样本量的测算，建立病种标准成本，加强病种成本核算和精细化成本管理。
基因测序数据
基因检测技术通过基因组信息以及相关数据系统，预测罹患多种疾病的可能性。基因测序会产大量的个人遗传基因数据，一次全面的基因测序，产生的个人数据则达到300GB。一家基因测序企业每月产生的数据量可以达到数百TB 甚至1PB。
智能穿戴数据
各种智能可穿戴设备的出现，使得血压、心率、体重、体脂、血糖、心电图等健康体征数据的监测都变成可能，患者的单一体征健康数据以及运动数据快速上传到云端，而且数据的采集频率和分析速度大大提升。除了生命体征之外，还有其他智能设备收集的健康行为数据，比如每天的卡路里摄入量、喝水量、步行数、运动时间、睡眠时间等等。智能穿戴设备虽然在这两年遇冷，用户很难形成粘性，但是并不意味着智能穿戴设备所产生的数据没有意义。提供健康数据和服务，可能是智能穿戴厂商未来的转型之路。健康大数据的收集必须依靠硬件载体，智能穿戴设备还将会遇到自己的第二春。
体检数据
体检数据是体检机构所产生的健康人群的身高、体重、检验和影像等数据。这部分数据来自医院或者第三体检机构，大部分是健康人群的体征数据。随着亚健康人群、慢病患者的增加，越来越多的体检者除了想从体检报告中了解自己的健康状况，还想从体检结果中获得精准的健康风险评估，以及如何进行健康、慢病管理。
移动问诊数据
通过移动设备端或者PC 端连接到互联网医疗机构，产生的轻问诊数据和行为数据。曾经通过互联网问诊企业春雨医生的数据，分析各地医生互联网问诊的活跃度、细分疾病种的问诊行为。通过这些数据的分析，对行业发展、互联网问诊企业的决策有非常重要的帮助。
Ⅳ 医疗大数据的主要来源有哪些
医疗大数据主要来自医疗机构，大家平时去看病、体检都会有医疗数据的产生，大量的数据汇集到一起就成了大数据。
Ⅵ 为什么医疗大数据的落实这么难
医疗大数据的落实难主要有这几点：
1、数据获取难度大；
2、着数据关联度低；内
3、数据记录不完整；
4、数据利用容率低等问题。
而造成这些问题的主要原因是医疗信息系统建设早，缺乏整体规划，数据统计有多个系统来源，导致数据统计口径不一，管理措施难以落实，难以形成对临床知识的管理和积累决策分析支持不得力，业务应用压力过大。
Ⅶ 医疗大数据是什么
就是医疗行业积累的大数据问题，
比如看诊历史最丰富了，如何从过往历史里分析出最好的治疗方案
如何从已有的成功案例里找到现在最近似的治疗手段等等
Ⅷ 大数据在医疗行业的应用有哪些
大数据专业属于交叉学科：以统计学、数学、计算机为三大支撑性学科；生物、医学、环境科学、经济学、社会学、管理学为应用拓展性学科。所以大数据在众多行业都有应用，下面说说其在医疗领域的应用。
随着互联网规模不断的扩大，大数据正在改变着这个时代的绝大一部分的行业或者企业，医疗行业也不例外，医疗健康正在成为人们关注的重点问题，以智能化、数字化为特征的医疗信息化正在蓬勃兴起，医疗行业的数据类型也在向海量、复杂、多样的类型方式转变。
1.就医数据进行电子化管理
对电子医疗记录的收集，包括个人病史、家族病史、过敏症以及所有医疗检测结果等。在信息系统中进行分享，每一个医生都能够在系统中添加或变更记录，而无需再通过耗时的纸质工作来完成。这些记录同时也能帮助病人掌握自己的用药情况，同时也是医学研究的重要数据参考。
2.健康预测
通过智能手表等可穿戴设备的数据，建立健康预测模型，通过这些可穿戴设备持续不断地收集健康数据并存储在云端，实时汇报病人的健康状况。应用于数百万人及其各种疾病的预测和分析，并且在未来的临床试验将不再局限于小样本，而是包括所有人。
3.医学影像以及临床诊断
通过让大数据机器人来识别记住各类海量的医学影像，例如X射线、核磁共振成像、超声波……等各种的图像。对大量病历进行深度挖掘与学习，训练其对影片的诊断，最终实现辅助医生进行临床决策，规范诊疗路径，提高医生的工作效率。
4.药品研发
利用大数据进行数据建模并进行分析，预测药物的临床结果，可以为临床阶段的实验结果提供参考，节省临床阶段的时间并优化临床实验结果。制药公司也可以通过数据建模进行分析，从而生产出治疗成功率更高的药品并极大地缩短药品从研发到投入市场的时间。
Ⅸ 大数据在医疗行业怎么样
随着互联网规模不断的扩大，大数据正在改变着这个时代的绝大一部分的行业或者企业，医疗行业也不例外，医疗健康正在成为人们关注的重点问题，以智能化、数字化为特征的医疗信息化正在蓬勃兴起，医疗行业的数据类型也在向海量、复杂、多样的类型方式转变。
1.就医数据进行电子化管理
对电子医疗记录的收集，包括个人病史、家族病史、过敏症以及所有医疗检测结果等。在信息系统中进行分享，每一个医生都能够在系统中添加或变更记录，而无需再通过耗时的纸质工作来完成。这些记录同时也能帮助病人掌握自己的用药情况，同时也是医学研究的重要数据参考。
2.健康预测
通过智能手表等可穿戴设备的数据，建立健康预测模型，通过这些可穿戴设备持续不断地收集健康数据并存储在云端，实时汇报病人的健康状况。应用于数百万人及其各种疾病的预测和分析，并且在未来的临床试验将不再局限于小样本，而是包括所有人。
3.医学影像以及临床诊断
通过让大数据机器人来识别记住各类海量的医学影像，例如X射线、核磁共振成像、超声波……等各种的图像。对大量病历进行深度挖掘与学习，训练其对影片的诊断，最终实现辅助医生进行临床决策，规范诊疗路径，提高医生的工作效率。
4.药品研发
利用大数据进行数据建模并进行分析，预测药物的临床结果，可以为临床阶段的实验结果提供参考，节省临床阶段的时间并优化临床实验结果。制药公司也可以通过数据建模进行分析，从而生产出治疗成功率更高的药品并极大地缩短药品从研发到投入市场的时间。