医疗大数据应用和技术若干问题商议领导决策供应实时、真实、可信的数据，以保证医疗质量和医疗安全。2.3 疾病展望模型经过大数据能够解析某种疾病和症状，检查检验数据的相关性，科研人员能够经过这些数据成立出典型疾病的疾病展望解析模型，这些数据模型是固定不变的，会随着数据的不断积累，进行动向的自我学习（机器学习），随着数据的变化不断调整优化。基于大数据的疾病展望模型能够很好地利用数据潜藏的知识，不会碰到其他因素的影响，从而帮助患者更早地预防疾病也许采用最正确的治疗方案。2.4 临床实验解析解析病人住院期间的诊疗记录，以及临床试验数据能够发现各种药品的副作用和适应症。对这些数据进行解析后，能够对药物的疗效进行重新定位，而且能够发现药物的其他适应症，并进行针对性的产品营销。实时收集药物的不良反应报告，能够促进药物的研发改进。还有一个很重要的方面就是，以前没有足够的数据去证明的药物的新情况，基于临床试验的大数据就可以很好地恩赐佐证。2.5 个性化治疗1 / 7 个性化治疗，也许称为精准医疗，经过对大型人体基因组数据进行解析，解析遗传变异、特定疾病的易感染性和药物反应的关系，在药物研发和用药过程考虑各个患者的遗传因素。个性化医疗能够大幅度提高医疗保健收效，在患者发生疾病前，就进行早期检测和诊疗。在临床中，经常发生同样的疾病，用同样的诊疗方案，收效却完满不同样的情况，很重要的一部分原因就是遗传因素，针对不一样患者的个性诊疗方案，依照详细情况调整药物种类和剂量，能够最大程度减少副作用，提高诊疗效果。2.6 对患者健康档案的挖掘解析在患者健康档案方面能够整合历次在各医院的就诊记录以及体检，形成完满的患者一世全视图，应用统计学方法能够解析出哪一种人群简单感染哪一种疾病、不一样地区患者所患病种类的不一样、各个病种年龄段的分布情况等等。举例说，能够解析出哪一种人群简单患高血压、糖尿病、高血脂症，能够给患者提早进行保健知识的宣传，尽早接受预防性保健方案，而且能够从疾病治疗指南也许疾病管理方案中找到最好的治疗方案。3 医疗大数据要点技术3.1 云计算和云储藏云计算是经过使计算能力分布在大量的分布式计算机集群上，而不是当地单个计算机也许远程服务器中，计算能力甚至可2 / 7 以带到万亿次的级别，运用形象的比喻来讲解就是从单台发电机模式转向了大型电厂集中供电的模式。这样能够使计算能力作为一种商品进行流通交易，计算就仿佛水电同样，获取方便，而且花销廉价。云储藏是在云计算看法的基础上扩展出来的一个新的看法，是格技术或分布式文件系统等功能，将大量不一样种类的储藏设施经过软件集成起来共同工作，对外供应数据储藏服务和业务接见功能的一个系统。当云计算系统运算和办理的核心是对大量数据的储藏，以及对储藏的管理时，云计算系统中就需要配置和管理大量的储藏设施，这时云计算系统就转变成为一个云储藏系统，因此云储藏是一个以数据储藏和管理为核心的云计算系统。3.2 数据库房和数据挖掘数据库房，是为决策拟定过程，供应所有种类数据支持的会集，出于解析性报告和决策支持目的而创办的。为需要智能业务的部门，供应业务指导，流程改进、时间监察、成本、质量控制等。数据库房是决策支持系统和联机解析应用数据源的数据环境。数据库房东要解决从数据库中获取决策的问题，数据库房的特色包括面向主题、集成性、牢固性和时变性。数据挖掘是经过算法解析每条数据，从海量数据中搜寻其规律，发现潜藏问题和信息的技术，主要有数据冲刷和准备、规律发现和规律显现 3 个步骤。数据冲刷和准备是从相关的数据源中3 / 7 采用所需的数据进行冲刷规整，并集成用于数据挖掘的数据集; 规律发现是用各种算法将数据集所含的潜藏规律找出来;规律展示是用用户简单理解的方式（比方可视化图表）将发现的规律展示出来。3.3 常用的数据架构平台以下常用的主流平台都能够在医疗大数据中采用。3.3.1 Hadoop 分布式平台架构它是 Apache 基金会所开发的分布式基础架构，使用该架构的用户不需要认识分布式的实现细节，来开发分布式程序，使用集群进行高速储藏和运算，该计划是完满模拟Google 系统架构做的一个开源项目，其核心包括Map/Reduce 和 HDFS文件系统，HDFS 供应了海量数据的储藏， Map/Reduce 供应了海量数据的计算。3.3.2 AbiCloud 云计算平台AbiCloud 是一款开源的云计算平台，使用者能够简单、快速、可扩展地创办和管理复杂的大型信息基础设施，包括虚假服务器、网络、储藏设施、应用等。能够用来开发公有、私有，也许混杂云，以及云应用的各种基础设施。3.3.3 Eucalyptus 开源软件基础架构它是一款开源的软件基础架构，经过集群也许工作站实现弹性的、合用的云计算，创办了一个能够用内部IT 资源（包括服务4 / 7 器、储藏系统、网络设施）的开源界面，来成立能够和EC2 兼容的云计算平台。以上云储藏、云计算、数据库房等形成典型的医疗大数据架构，如图 1 所示。图 1 医疗大数据技术架构4 医疗大数据面对的挑战4.1 缺乏政策制度方面的支持众所周知医疗行业是“性命关天”，医疗大数据的研究核心数据是病人的诊疗信息，所有这些信息都涉及病人的隐私。因此必须要有相关的做保障，明确数据储藏，共享的范围和界线，以及要担当的责任。只有在法规的规范下才能使医疗大数据真实落地应用，真实挖掘出医疗大数据的价值。4.2 缺乏一致的数据标准对医疗大数据进行研究，第一是收集各个医疗机构的异构数据，这种数据包括医疗诊疗、处方、检验等结构化的数据，也包括 PACS 系統的大量非结构化的数据。要进行大数据研究，必定拟定一致的数据共享标准，打破信息孤岛造成的阻挡。4.3 系统的异构性和数据的异构性各个医院的系统使用的技术架构各不同样，数据的异构性也宽泛存在。其中比较典型的比方医院的电子病历，电子病历的发展从二十世纪末到此刻已有二十多年的，其发展历程大体能够5 / 7 分为三个阶段。第一阶段，近似文本式的录入电子病历，这种模式取代纸质病历，但是没有结构化、标准化，使用不方便。第二阶段，改进了电子病历的结构，而且发展出了电子病历的专业厂商，取代了文本式的电子病历。提高了电子病历内容标准化程度，而且提高了有效性和规范性，但是结构化方面仍旧存在一些问题，比方术语不规范，致使于不能够很好地实现医院间共享。第三阶段，从电子病历发展出集成化的电子病历系统，其能够保证在一个完满一致的界面完成整个医嘱的录入、执行和盘问等工作，而且能够方便地获取检查、检验、生命体征等数据。诚然经历了这3 个阶段，但各个医院的电子病历发展参差不齐。大多数的医疗机构的数据不能够方便地提取。从而造成如图2 所示的结果。图 2 医院系统的复杂性5 结 论随着医疗数据的爆发式增添，正确利用大数据将为医疗行业带来空前未有的改变。本文对医疗大数据相关方面进行了回顾和总结，介绍了大数据和医疗大数据的基本看法，详细解析了大数据的要点技术，重视介绍了目前医疗大数据研究面对的挑战。总体上说，目前对于医疗大数据的研究仍处于一个初步的研究研究6 / 7 阶段，主要集中在数据标准化、数据收集、数据办理阶段，还有很多基础性的问题有待解决，只有解决了这些基础性问题，医疗大数据才能真实发挥巨大的价值，因此医疗大数据的发展还有很长的路要走。7 / 7