大数据在医疗健康行业的应用及挑战文献综述

大数据:大数据技术(big data),或称巨量资料 ,指的是所涉及的资料量规模巨大到无法通过目前主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。(在维克托迈尔-舍恩伯格及肯尼斯库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样的捷径 ,而采用所有数据的方法)大数据的4v特点: volume(大量)、veloeity(高速 )、variety(多样)、veraeity(真实).云计算:是一种按使用量付费的模式,这种模式提供可用的、便捷的、按需的网络访问,进入可配置的计算资源共享池(资源包括网络,服务器,存储,应用软件,服务),这些资源能够被快速提供,只需投入很少的管理工作,或与服务供应商进行很少的交互。

大数据技术已经应用在电信、金融、教育、医疗、军事、电子商务甚至政府决策等几乎所有的领域，因此，大数据技术在医疗领域的项目管理逐渐引起人们的重视。针对大数据技术在医疗领域的发展趋势和当前面临的问题，研究大数据技术在医疗领域应用模式，对引导和促进大数据技术在医疗领域应用的快速、健康发展具有重大意义。通过大数据技术可以加速医学的猜想、发现到医疗实践的转化：借助于不断增长的私密和公开医疗数据，大数据技术帮助人们存储管理好医疗大数据并从大体量、高复杂的数据中提取价值，相关的医疗技术、产品将不断涌现，将会给医疗行业开拓一个新的黄金时代。

医疗大数据具有生成多、更新快、多元多态等特点，在临床诊疗、基因检测、个性化医疗、事故检测和鉴定、医疗定价与付费、辅助治疗及预后监控等方面有诸多应用。在医院信息部门，医疗大数据不仅包括医嘱、手术记录、护理记录、药物使用记录等诊疗数据，也包括所有医患人员、行政后勤人员、医疗设备在医疗系统中产生的数据 。医疗大数据并不少见，从新药开发，到疑难杂症诊治， 再到临床决策支持系统的建立与完善，一切都会受到大数据的驱动。

医疗大数据的来源主要包括四类：①制药企业 / 生命科学：药物研发是相当密集型的过程，对于中小型的企业也在 TB 以上的。在生命科学领域，随着计算能力和基因测序能力逐步增加，美国哈佛医学院个人基因组项目负责人詹森 鲍比就认为，到 2015 年，将会有5000 万人拥有个人基因图谱，而一个基因组序列文件大小约为 750MB。②临床医疗/实验室数据：临床和实验室数据整合在一起，使得医疗机构面临的数据增长非常快，一张普通 CT 图像含有大约 150MB 的数据，一个标准的病理图则接近 5GB。如果将这些数据量乘以人口数量和平均寿命，仅一个社区医院累积的数据量，就可达数TB甚至数 PB之多。③费用报销/利用率：患者就医过程中产生的费用信息、报销信息、新农合基金使用情况等。④健康管理/社交网络：随着移动设备和移动互联网的飞速发展，便携化的生理设备正在普及，如果个体健康信息都能连入互联网，由此产生的数据量不可估量。

大数据技术在医疗行业的应用将包含以下几个方面：临床数据对比；药品研发；临床决策支持；实时统计分析；基本药物临床应用分析；远程病人数据分析；人口统计学分析；医保及新农合基金数据分析；就诊行为分析；新的服务模式。

麦肯锡报告将海量资料分析在医疗领域的应用分为五大类十五种模式：

一、临床应用：（1）相对疗效研究（CER）、（2）临床决策支持系统、（3）医疗资料的透明化、（4）远距离病患监测、（5）病人档案的进阶分析应用。

二、医疗保险支付与药品价格定价：（1）自动化系统、（2）基于卫生经济学和疗效研究的定价计划。

三、促进医药公司或医疗器材公司的研发：（1）预测模型、（2）通过统计工具与算法改善临床试验设计、（3）药物不良反应与再定位分析、（4）个性化医疗、（5）分析疾病模式。