文档介绍：Part 01 / 大数据大趋势
Part 02 / 医疗数据设计架构
Part 03 / 医疗大数据应用
目录
Contents
Data Volume
数据量够大
Data Variety
数据种类多样
Data Velocity
数据生成速度够快
新进概念：
Data Veracity
数据准确性高
Big Data
IBM 的大数据定义—— 3V
数据无偏差
数据噪声少
数据无异常值
否则便是：
Garbage in，
Garbage out.
在 2013 年波士顿的大数据峰会，
Express Scripts 的首席数据科学家 Inderpal Bhandar 提出了 Veracity 的概念。Veracity 主要是指数据是否有偏差、数据噪声有多大，以及是否有异常值。当业界大量积累各种来源的数据时，数据是否准确变成一个非常重大的问题，否则最后就是 “Garbage in，Garbage out”。
大数据的第四个定义——Data Veracity
数据计算能力提升
数据传输能力增强
数据存储成本下降
推动企业：
存储海量数据
将数据传输到数据中心
通过云计算进行分析、处理
网络端数据呈现，指导商业决策
大数据出现的技术背景及改变
得益于计算能力的快速增长、数据传输能力的增长和成本的下降，以及数据储存成本的下降，大数据获得了极大的发展。
大数据产业链
数据产生
数据处理
数据消费
数据存储和管理
贯穿了整个大数据周期
数据收集
数据定义
数据分析
数据准备
新数据产生
数据运用
医疗大数据
医疗健康数据来源
1、医院信息系统（HIS）是医疗数据的重要来源。
医院信息系统包括：电子病例系统（EMRS）、实验室信息系统（LIS）、医学影像存档与通信系统（PACS）、放射信息管理系统（RIS）、临床决策支持系统（CDSS）等。
2、除此之外，各种健康设备可以帮助收集用户的生命体征信息，比如心电数据、血氧浓度、呼吸、血压、体温、脉搏、运动量。社交网络和搜索引擎也包含了潜在的人口健康信息。
医疗健康数据特点
1、5V
Volume（数据规模巨大）Variety（数据类型繁多）Velocity（数据产生速度快）
Veracity（数据准确性要求高）
Value（大数据研究价值高）
2、多态性、时效性、不完整性、冗余性、隐私性等。多态性指医师对病人的描述具有主观性而难以达到标准化；不完整性指医疗分析对病人的状态描述有偏差和缺失。
医疗健康数据处理
关联规则学****br/>分类
聚类分析
数据融合
机器学****br/>自然语言处理
回归
信号处理
仿真
可视化
医疗大数据设计架构
医疗大数据设计架构
搭建区域医疗信息化平台
采用互联网SSL安全协议认证获取区域卫生资源库数据。
健康医疗用于连接患者，为患者提供更加优质的医疗服务,推动个体医疗的发展。
连接医疗业务，加强区域内部医疗健康数据的互通以及预警监测，运营监测等，实时提供给相关的机构,可进行有效的医疗机构监管，实现区域内部医疗资源的共享和互动,提升医院资源利用率，提供更丰富的医疗应用。
医疗大数据设计架构
搭建公共卫生综合管理平台
平台的接入服务利用ELT技术将公共卫生相关系统采用互联网SSL安全协议认证获取区域卫生资源库数据。
创建卫生局数据中心为医疗 大数据平台作为铺垫，更快、更精确、更安全地把医疗数据控制在手上。
可视化应用平台将硬件设备（GPS设备、监控设备、电视机等）接入服务。
健康医疗大数据典型应用
面向多主体、以需求为导向的健康医疗大数据应用规划
行业治理
体制改革评估监测
医院评价与监督
医疗保险控费
临床科研
临床决策支持
药物副作用监测
基因序列
基因组分析
公共卫生
监测评估与决策管理
预防控制重大疾病
预警与应急响应
管理决策
决策支持
资源配置优势
成本有效控制
惠民服务
优化诊疗流程
互联网健康医疗
服务模式
一体化电子
健康服务
产业发展
数据相关服务
传统产业融合
衍生平台
亚健康/健康群体
科研教学
医疗机构
政府
患者
医生
医药经销商