根據國際著名分析機構Gartner給出的定義：大數據就是那些具有規模大、隨著人們的生活水平不斷提高，健康也越來越受到家庭的關注。2009年2月27日，我國衛生部公布的第四次國家衛生服務調查結果顯示，截止至2008年，我國居民腦血栓，糖尿病，高血壓等慢性病病例數達到2.6億，占全國總人數的20%,其中高血壓病人對自身疾病的知曉率只有30%,同時這些病人中的治療率只有25%,控制率僅為6%,糖尿病病人中，能堅持做到規范治療的也只有33%。由此我們可以看出，建立科學、規范、高質量的慢性病管理策略，實現對數據通常至少需要保留50年。表、非(半)結構化文本文檔、醫療影像等。告結果測量信息系統(PROMIS)等10余項。2014年美國的公共數據開放項目3.1解決的問題3.2達到的效果包括醫生(包括專科醫生、全科醫生、保健醫生等)、患者(包括慢性病患5.總體思路衛生業務大數據應用的實例將會越來越多，并最終形成不同方向的最佳應用樣醫療衛生大數據源專題大數據應用業務大數據應用個人疾病全周期個人健康全周期個人生命全周期醫藥供應鏈醫生個人藥品醫療衛生服務該數據中心的定位：整合區域內不同醫療機構中患者/健康人群的各種臨床診療數據、健康數據，在相對集中的邏輯/物理環境中，構建一個以存儲和處理患者/健康人群診療信息為核心，覆蓋多學科、多專業的面向區域內主要衛生行政主管部門、臨床醫療機構和社會公眾的醫學(醫藥、醫療、健康)信息資源共 文檔數據庫中數據以文檔的結構被描述，典型網Web;√分類(預言)分析：預測分類標號(或離散值),根據訓練數據集和類標號主要來源于醫療業務活動、健康體檢、公共衛生等9項醫療衛生服務。數據內容制藥行業科研數據活動(報銷)和成本數據醫療行業大數據病人行為和情緒數據臨床數據6.1我們給出的相關數據模型我國醫療衛生行業涉及的數據實體對象種類非常眾多，包括醫療機構一科室一醫生(門診、住院)、大眾群體一患者、醫療管理部門一衛生局一疾控中心一醫保中心一發改委一中醫藥管理局、醫藥管理部門一藥監局、醫藥研發一醫藥生產一醫藥經營一藥品(處方藥、ODC藥)、醫療器械研發一醫療器械生產一醫療器械經營一醫療器械、商業醫療保險公司、體檢中心一體檢醫生、APP服務等。如下圖所示。處方檢查結果醫保中心醫療器械醫療保險藥監局6.2衛計委給出的相關數據模型2、門(急)診診療記錄：包括門(急)診病歷、電子病歷數據庫電子健康檔案數據庫全員人口個案數據庫服務活動(或干預措施)以及所記錄的相關信息有機地關聯起來，并對所記錄的記錄項集x軸N期二學齡前期嬰兒期中年期老年期幼兒期●第一維(X軸):生命階段嬰兒期(0～1歲)、幼兒期(1～3歲)、學齡前期(3～6歲)、學齡期(6～12歲)、青春期(12～20歲)、青年期(21～45歲)、中年期(46～60歲)、老年期 ●第二維(Y軸):健康和疾病問題●第三維(Z軸):衛生服務活動(或干預措施)康復、健康教育等衛生服務活動(或干預措施),這些活動反映了居民健康需求學齡前期青春疾病醫療疾病個人健康檔案(EHR)基本結構體系規劃綱要(2015~2020年)》內容和目標為依據，即“優化醫療衛生資源配分工明確、功能互補、密切協作的整合型醫療衛生服務體系，為實現2020年基本建立覆蓋城鄉居民的基本醫療衛生制度和人民健康水平持續提升奠定堅實的醫療衛生大數據源專題大數據應用業務大數據應用個人疾病全周期個人健康全周期個人生命全周期醫藥供應鏈醫生個人藥品醫療衛生服務全人全程健康服務全人全程健康服務體檢/監控癥狀實驗基因預后惡化死亡醫醫美容心理養老患者/消費者治療一個醫生，最多能管理30個糖尿病患者，但是大數據研究一做出來，一個醫生能管理200個糖尿病患者，光這一個應用，我們就可以增加七倍的生產力。”急>臨床路徑優化分析：利用大數據分析手段對醫院自身的臨床路徑進行優化分目前社區醫療服務中心的一個醫生，最多能管理30個糖尿病患者，但是大數據研究一做出來，一個醫生能管理200個糖尿病患者，光這一個應用，就可以多租戶應用數據挖掘分布式批量處理框架藥品管理分布式文件系統結構化數據采集器網絡虛叔化存儲虛版服務器虛擬化健康檔案數據存儲醫院信息系統醫院信息系統醫院信息系統協作服務日志數據采集器語言和編譯實時數據庫展現層基礎設施虛擬化新農合醫療保險醫療服務運營管理何比較不同級別醫院的費用?又如何比較同級別的不同醫院的費用?這就需要按績效付費等各類支付方式改革的實施，真正達到在保證質量的基礎上控制費用的目的.這也正是醫療保險在產品服務缺乏標準化，信息高度不對稱的醫整合，為疾病的診斷和治療提供更好的數據證據，進讓以往無比昂貴的基因測序變得不再遙不可及，基因測序的成本已經逼近1千美元。目前在美國擁有2千多家從事人類基因序列分析的公司，而且未來會有更多通過減少處方藥量可以減少30%～70%的醫療成本。比如，早期發現和治療地點都可以訪問相關信息，從而保證了健康信息的一致性、連續性，如谷歌的在健康管理領域中最需要解決的問題就是及時發現身體的健康異常和重大7.4慢性病預防治療應用(疾控中心)通過連續監測數據做出疾病預警，即使是簡單的數據，如果通過連續地分夠讓70%的人群通過設備及時發現身體的異常，并進行疾病預警；第二是大數據系才能達到效果，包括：(1)構建慢性病防控體系，形成由疾控機構、基層醫療衛生機構、醫院和專業防治機構共同構筑的慢性病防治工作網絡；(2)實施作；(3)推行健康教育，促進防治結合，落實綜合防控策略，開展全民健康生(4)建立慢性病的監測和信息管理系統。開展慢性病危險因素監測、患病監測、死因監測、惡性腫瘤隨訪登記工作；(5)加強技術指導和能力建設，組織編印7.5居民健康保健應用(疾控中心)眾可以掌握和獲取自己完整的健康資料，參與全程健康7.6醫療衛生管理機構應用(衛生局)7.7醫療保險管理機構應用(醫保局)年，3種基本醫療保險的籌資總額已經超過1萬億元，而商業健康險的保費收入為1123.5億元，僅為前者的10%左右。考慮到真正的賠付型醫療保險只是 學設置規則是智能化審核的關鍵部分。對此，醫保審核規則設定了26個大類規則，其中包括16大類報銷規則，6大類臨床規則、4大類統計規則。而這些審核費政策、國家藥典、衛生部們相關規定、臨床診療常規規范等。在這26大類規則下，醫保審核中配置了12萬條審核目錄。把政策轉化為數字化規則，這點是比較難的，比如：重癥，只能用列舉法。在制定這套審核辦法時，組織第三方醫學專家組開展審核規則的評審，對試用的26大類審核規則逐一經專家評審后通過對積累起來的大數據進行挖掘，支持醫保政策調整和醫保支付制度改發生在2013年10月至2014年1月間。一批需要額外關注的客戶有18000名。而其初期成功的標志之一，便是將充血性心臟衰竭患者的預期住院率降低了40~50%。她馬上打給了他們的健康指導DonnaCrockett從客戶健康上來講，護理協調徹底改善了JohnIovine的生活。自7.8醫藥監管機構應用(藥監局)7.9醫藥研發生產經營應用(醫藥企業)三，轉型為零售終端做最后一公里物流及擔當患者教育工作也不失一種好的選●社康中心(含一類、二類):通過一張地圖看到社康中心分布、各社區指標對比圖指標對比圖目前商業保險業務分團體險與個人險，其中個人險中以儲蓄理財型產品為案例分析分析，輔以病人及醫生的調研信息，我們看到，乳腺癌的治療方案及相關費用7.11.4商業醫療保險的理賠運營管理應用●藥品劑量超標：醫保報銷規則通常要求每次處方量不超過7天或14●用藥與醫療服務不匹配：現今醫保藥品報銷通用了10種以上藥品，相應的診斷名稱也眾多。眾所周知，某些疾病的診斷往往起付線不高(1千元以內),常會導致相當的“非必要”醫療。該團體門診封頂線在4000元左右，一年內1290出險人中800人門診費用在3000-5000元之容呢?通常而言，一方面為可用可不用的藥品，諸如中成藥、中藥營養品等；另藥及診療服務費用按月的分布，可以清晰的看到年底中成藥、中藥飲片(含中藥營養品)、及診療項目使用頻率及涉及費用明顯上升.當然從根本上解決誘導消以上發現可幫助醫療保險機構的理賠審核部門快速找出潛在問題案例及其是核心內容。應用大數據挖掘可以剖析客戶參保人群的費用驅動因素及健康情7.12公共衛生服務應用(衛生防疫中心)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!傳染其次，監測信息來源多樣化，包括手工錄入，電子病歷(EMR),微博微信/論壇疫情監測公衛“大數據”暴發的早期自動預警；支持傳染病疫情監測報告數據的分析與利用。采用時間/>傳染病實時統計：對全國范圍傳染病個案數據進行實時動態的基于時>傳染病聚集性預警：基于病人空間位置的非結構化數據預警，主要用7.12.2公共衛生輿情監測預警7.13政府監管應用(政府主管部門)的法律法規和規章制度的合規性監督檢查，醫療事故和不良安全事件的監測。政府(衛生)行政部政府(衛生)行政部法制監督準入標準評價標準信息收集非營利性醫院醫療質量監管機構新型農村合作醫療社會認證行業協會阻論監督為達到醫保基金中長期收支平衡，亟待建立抑制醫患道德風險的治理機制。實現單從醫保經辦機構審核醫療機構費用單據來看，醫保經辦機構就面臨著巨大人均需要審核6708份住院費用單據，而至2013年人均需要審核8654份住院費7.14新型醫療衛生服務應用(政府主管部門)提高醫療環節相關機構和角色的醫療衛生服務體驗。智慧醫療實現“疾病醫學”息，將信息進行打包用于醫學研究。醫院和其他研究人員可以連接至準醫療計劃將在2015下半年或2016年啟動。根據規劃設想，在2030年前，中套400億元。8.大數據分析應用平臺支持的專題大數據應用醫療衛生大數據源專題大數據應用業務大數據應用個人疾病全周期個人健康全周期個人生命全周期醫藥供應鏈醫生個人藥品醫療衛生服務8.1患者分析(基于電子病歷EMR)8.4處方分析(基于電子病歷EMR)8.4.5安全用藥分析8.4.6處方符合性分析8.4.7處方用藥-診斷結論關聯分析8.4.8診斷結論-處方總價聚類分析況，為臨床途徑提供合理費用依據，如支氣管炎的處方總價90%分布在[100.00從患者有關特征信息和處方診斷結論的分類分析，發現患者的哪些特征(時間、空間、年齡、性別、職業等)和疾病關聯分析，如：可以得出什么時間段、間前后次序，如：發現5歲以下小孩在感冒患病后更容易得急性肺炎等。8.6藥品分析(基于醫藥產業鏈數據)節約成本1%-2.5%;如果采取訂單管理、集團采購、無紙訂單管理(EDI和網絡采購),可節約成本0.5%-1.0%;如果采取供應商管理、供應商整合、廠商直接分銷、符合采購團體90%的要求，可節約成本0%-0.5%;如果采取物流管理、整合運輸網絡、運輸能力85%的運用、整合服務中心，可節約成本0.5%-1.0%;如果采取庫存管理、標準供應、自動化的服務、現場分銷和補貨30%以下的無庫存頊目、存儲單元25%-40%的削減，可節約成本0.5%-1.0%;如果上述成本都能節約的話，可以實現總體成本節約2.5%～6.0%。國家藥品分類標準(最新、以往歷史),包括中藥部分、化學藥部分、生>中國藥典(最新、各年版),包括1953年版、1963年版，1977版、1985>WHO推薦基本藥物目錄。其它國家基本藥物目錄或藥物報銷目錄。療效.通常情況下，經過長期的生物學和臨床醫學的研究，相關領域的專家能夠的一系列藥靶蛋白.圍繞靶蛋白可以設計和篩選相匹配的藥物分子，而后通過大藥物重定位(也稱舊藥新用)研發：利用相關的技術方法對已有的藥物藥物開發方式.相比于從零開始的新藥研發，藥物重定位基于已有藥物的重新開發能夠節省大量前期研發投入(如藥靶發現、化合物篩選、安全性測試等),因而周期從10~17年縮短到2~12年。對藥物和疾病相關的高通量組學(如基因組、轉對于空白的對照等。通過分析這些基因，能夠評估因疾物處理人類腫瘤細胞系所得到的基因組表達變化信息。其應用方式主要是通過 標藥物與特定疾病模型具有相反的表達譜，則該疾病可能是目標藥物的潛在適應癥。進行藥物重定位的研究。他們發現，在公開的疾病相關率被作為藥靶來直接開發藥物。同時，作用于這155個基因所對應蛋白的藥物程中，第一步就是高通量的化合物篩選。即已知某特定的蛋白可作為治療某疾導化合物。在藥物重定位中，化合物庫可以是美國食品藥物管理局(FDA)審批的藥物分子，也可以是制藥公司臨床研發鏈中的分子。隨著計算化學技術的發展療2型糖尿病，在臨床試驗中卻被發現具有減輕體重的副作用。通過全面收集與藥品生產一供銷一使用的平衡分析藥品生產的偏差分析藥品生產的安全分析藥品生產的質量分析(處方工藝、質量標準、用法用量、藥品說明書)對于醫藥制造企業及醫藥批發企業來說，產品利潤率較低且在流通環節何設置和維持一個合理的藥品庫存水平，以平衡存貨不足帶來的短缺風險和損①中心化的控制策略。中心化的控制策略是將控制中心放在核心醫藥企業數學形態學方法對生理信號進行降噪濾波，然后通過積分增加QRS復合波的信號，最后通過選擇合適的閾值得到最終的QRS復合波的檢測結果。通過建立數8.8醫療安全風險分析(基于電子病歷EMR)據)眾多海量醫藥醫療數據為大數據管理與處理平的存取訪問需求.實時應用如醫院的掛號和收費系統等，主要涉及小量數據的讀大數據分析最重要的應用領域之一就是預測性分析，從大數據中挖掘出特數據。大數據語義引擎能力9.3大數據存儲技術和系統在數據存儲系統體系結構方面，以大量廉價服務器組成無共享9.4大數據業務模型建模果大部分是非結構化(unstructured)數據或半結構化(semi-structured)數存。目前主流的分布式鍵|值存儲系統包括Amazondynamo、Redis、的情況下查詢性能更好。近10年來，最具代表性的大規模列族存儲系統是