構建醫學大數據應用生態系統

大數據技術在醫療領域的技術層面、業務層面都有十分重要的應用價值。相關部門已推動構建良好的醫學大數據應用生態系統，相信政策導向可以帶動學術界、醫療行業及產業界聯動，共同推進醫學大數據發展。

大數據技術可以通過建立海量醫療數據庫、網絡信息共享、數據實時監測等方式，為國家衛生綜合管理信息平臺、電子健康檔案資源庫、婦幼保健業務信息系統、醫院管理平臺等提供基本數據源，并提供數據源的存儲、更新、挖掘分析、管理等功能。

在傳統的醫療診斷中，醫生僅可依靠目標患者的信息以及自己的經驗和知識儲備，局限性很大。而大數據技術則可以將患者的影像數據，病歷數據、檢驗檢查結果、診療費用等各種數據錄入大數據系統，通過機器學習和挖掘分析方法，大夫即可獲得類似癥狀患者的疾病機理、病因以及治療方案，這對于大夫更好地把握疾病的診斷和治療十分重要。

在醫療科研領域，運用大數據技術對各種數據進行篩選、分析，可以為科研工作提供強有力的數據分析支持。例如在健康危險因素分析的科研中，利用大數據技術可以在系統中全面地收集健康危險因素數據，包括環境因素，生物因素，經濟社會因素，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，進行比對關聯分析，針對不同區域、家族進行評估和遴選，研究某些疾病發病的家族性、地區區域分布性等特性。

在居民的健康監測方面，大數據技術可以提供居民的健康檔案，包括全部診療信息、體檢信息，這些信息可以為患病居民提供更有針對性的治療方案。

對于健康居民，大數據技術通過集成整合相關信息，通過挖掘數據對居民健康進行智能化監測，并通過移動設備定位數據對居民健康影響因素進行分析，為居民提供個性化健康事務管理服務。

在醫藥研發方面，醫藥公司能夠通過大數據技術分析來自互聯網上的公眾疾病藥品需求趨勢，確定更為有效的投入產出比，合理配置有限研發資源。

此外，醫藥公司能夠通過大數據技術優化物流信息平臺及管理，使用數據分析預測提早將新藥推向市場。在醫藥副作用研究方面，醫療大數據技術可以避免臨床試驗法、藥物副作用報告分析法等傳統方法存在的樣本數小、采樣分布有限等問題，從千百萬患者的數據中挖掘到與某種藥物相關的不良反應。