大資料已經改變了我們在各行各業中管理、分析和利用資料的方式。醫療保健行業是利用資料分析發生重大變化的最顯著領域之一。

實際上，醫療保健分析具有降低治療成本，預測流行病暴發，避免可預防的疾病以及大體上改善人們生活質量的潛力。世界人口的平均壽命不斷增加，這給當今的治療手段帶來了新的挑戰。就像企業家一樣，衛生專業人員也能夠收集大量資料，並尋找使用這些數字的最佳策略。

在本文中，我們將解決醫療保健和醫院大資料中對大資料的需求：為什麼以及如何提供幫助？其中會遇到的障礙是什麼？然後，我們將研究醫療保健中已經存在的可借鑑的18個大資料示例。

首先，讓我們理解大資料醫療保健分析的核心概念。

什麼是醫療保健中的大資料？

醫療保健中的大資料是一個術語，用於描述透過採用數字技術收集的患者資訊並用來幫助管理醫院績效，這些資訊對於傳統技術而言非常龐大和複雜。

大資料分析在醫療保健中的應用有很多積極的結果，甚至可以挽救生命。從本質上講，大型資料是指由萬物數字化建立的大量資訊，這些資訊可以透過特定技術進行合併和分析。應用於醫療保健，它將使用特定人群（或特定個人）的健康資料，並可能有助於預防流行病，治癒疾病，降低成本等。

現在我們的壽命更長了，治療模型已經改變，其中許多改變是由資料驅動的。醫生希望儘可能多地瞭解患者，以便在出現嚴重疾病時及時獲得警告訊號——儘早治療對於任何疾病都更加簡單且成本更低。在醫療保健資料分析中利用關鍵詞指標，做到預防勝於治療。這是業界試圖解決患者資料中存在的孤島問題的嘗試：收集到很多零碎的資訊，並被儲存在醫院，診所，手術室等中，無法進行正確的資訊流通。

的確，花費很多年來收集大量用於醫療用途的資料既昂貴又費時。藉助當今不斷改進的技術，不僅可以輕鬆收集此類資料，而且可以建立全面的醫療報告並將其轉換為相關的重要見解，從而用來提供更好的護理。這是醫療保健資料分析的目的：

使用資料驅動的發現來預測和解決問題

，以免為時已晚，而且還可以更快地評估方法和實施方法，讓患者更多地參與其自身健康並賦權他們用工具來做到這一點。

18個大資料在醫療保健領域中的應用

預測醫護人員配置

所有的輪班經理都會面臨一個經典問題：在某個時間段內，需要多少人？如果僱傭過多的人員，則會冒不必要的勞動力成本增加的風險。人員太少，客戶服務結果可能會很差，這對患者來說可能是致命的。

大資料正在幫助解決這個問題，在巴黎的一些醫院中，已經使用大資料對每日每時的病人數量進行預測。

關鍵資料集之一是10年的住院記錄，資料科學家使用“時間序列分析”技術來處理這些資料，然後，他們可以使用機器學習來找到預測未來入院趨勢的最準確演算法。

透過總結這些工作結果，資料科學團隊開發了一個基於Web的使用者介面，該介面可以預測患者的病情並利用線上資料視覺化來幫助規劃資源分配，從而達到改善患者總體護理水平的目的。

2.電子病歷

這是大資料在醫學中最廣泛的應用。每個患者都有自己的數字記錄，其中包括人口統計學，病史，過敏史，化驗檢查結果等。這些記錄透過安全的資訊系統共享，供有關部門使用。每條記錄都包含一個可修改的檔案，這意味著醫生可以隨時進行更改，而無需進行書面工作，也沒有資料洩露的危險。

當患者應進行新的檢查或跟蹤處方以檢視患者是否遵從醫生的指示時，電子病歷還可觸發警告和提醒。

儘管電子病歷是一個好主意，但許多國家仍在努力全面實施它們。根據HITECH的研究，美國已經擁有了94％的醫院採用電子病歷的重大飛躍，但是歐盟仍然落後。但是，歐洲委員會起草的一項雄心勃勃的指令正試圖改變這個情況。

Kaiser Permanente在美國處於領先地位，他們已經完全實施了一個名為HealthConnect的系統，該系統在所有設施之間共享資料，並使使用電子病歷更加容易。麥肯錫關於大資料醫療保健的報告指出：“該整合系統改善了心血管疾病的預後，並透過減少就診和化驗減少了大約10億美元的成本。”

3.實時警報

在醫院中，臨床決策支援（CDS）軟體可以在現場分析醫療資料，從而為醫療從業人員在制定處方時提供建議。

醫生希望患者遠離醫院，以避免昂貴的治療費用。可穿戴裝置將連續收集患者的健康資料並將其傳送到雲中。

此外，該資訊將上傳到有關公眾健康狀況的資料庫中，這將使醫生能夠在社會經濟背景下比較此資料並相應地修改策略。機構和護理人員將使用複雜的工具來監視大量資料流，並在每次結果不正常時做出反應。

例如，如果患者的血壓驚人地升高，則系統將向醫生實時傳送警報，然後醫生會採取措施與患者聯絡並採取降低血壓的措施。

另一個例子是Asthmapolis，它已開始使用具有GPS追蹤器的吸入器，以便在個人層面和更多人群中識別哮喘趨勢。此資料與CDC的資料結合使用，以便制定更好的哮喘治療計劃。

4.提高患者參與度

許多消費者，以及潛在的患者，已經對智慧裝置產生了興趣，這些裝置可以不斷記錄他們的身體狀況，心率、睡眠習慣等。所有這些重要資訊都可以與其他可跟蹤資料結合使用，以識別潛在的健康風險。例如，慢性失眠和心律加快可能預示著將來患心臟病的風險。患者直接參與自身健康的監測，而健康保險的激勵措施可以促使他們過上健康的生活方式（例如：將錢還給使用智慧手錶的人）。

做到這一點的另一種方法是開發新的可穿戴裝置，跟蹤特定的健康趨勢，並將其轉發到醫生可以對其進行監視的雲中。患有哮喘或高血壓的患者可以從中受益，變得更加獨立，減少不必要的就診次數。

5.防止藥物濫用

我們的大資料醫療保健的第四個例子正在解決美國的一個嚴重問題。這是一個令人震驚的事實：截至今年，濫用藥物在美國造成的意外死亡人數多於道路交通事故，而道路交通事故以前是造成意外死亡的最常見原因。

分析專家伯納德·馬爾（Bernard Marr）在《福布斯》（Forbes）文章中談到了該問題。局勢如此嚴峻，以至於加拿大宣佈濫用藥物是“國家衛生危機”，奧巴馬總統在他上任時曾專門撥出11億美元用於解決該問題。

大資料分析在醫療保健中的應用可能是每個人都在尋找的答案：Blue Cross Blue Shield的資料科學家已開始與Fuzzy Logix的分析專家合作解決該問題。使用多年的保險和藥房資料，Fuzzy Logix的分析人員已經能夠識別742個風險因素，這些風險因素可以高度準確地預測某人是否存在濫用藥物的風險。

坦白地說，與被認定為“高風險”人群接觸並阻止他們發展毒品是一項艱鉅的任務。但是，該專案對於減輕這個問題仍然有很大希望。

6.使用健康資料進行明智的戰略規劃

由於可以更好地瞭解人們的動機，醫療保健中使用大資料可以進行戰略規劃。醫護人員可以分析不同人口群體中的檢查結果，並確定哪些因素會阻止人們接受治療。

佛羅里達大學利用Google地圖和免費的公共衛生資料來準備針對人口增長和慢性病等多個問題的熱點地圖。隨後，學者們將該資料與大多數熱點地區的醫療服務進行了比較。從中收集到的見解使他們能夠審查自己的分娩策略，並向最有問題的地區增加更多的護理單位。

7.大資料可能可以治癒癌症

在醫療保健中使用大資料的另一個有趣的例子是Cancer Moonshot專案。在第二任期結束之前，奧巴馬總統提出了該計劃。

醫學研究人員可以使用有關癌症患者治療計劃和康復率的大量資料，以找到在現實世界中成功率最高的趨勢和治療方法。例如，研究人員可以檢查與患者治療記錄相關聯的生物庫中的腫瘤樣本。利用這些資料，研究人員可以看到某些突變和癌症蛋白如何與不同的治療方法相互作用，並發現可以帶來更好的患者預後的趨勢。

該資料還可以帶來意想不到的好處，例如發現抗抑鬱藥Desipramine具有幫助治癒某些型別肺癌的能力。

但是，為了使這些見解更加可用，需要將來自不同機構（例如醫院，大學和非營利組織）的患者資料庫進行連結。例如，研究人員可以訪問其他機構的患者活檢報告。醫療保健中潛在的大資料使用案例之一是對臨床試驗患者的癌症組織樣本進行基因測序，並將這些資料提供給更廣泛的癌症資料庫。

但是，這裡面有很多障礙，包括：

不相容的資料系統。這可能是最大的技術挑戰，因為使這些資料集能夠相互連線是一項巨大的工程。

患者保密性問題。州與州之間有不同的法律，這些法律規定了在同意或不同意的情況下可以釋出哪些患者資訊。

簡而言之，即使花費了很多時間和金錢來開發自己的癌症資料集的醫院或機構，可能也不希望與他人分享，儘管它可以更快地治癒疾病。

但是，正如Fast Company的一篇文章所述，有先例可以解決這些型別的問題和障礙，同時藉助資料分析的力量加快治癒癌症的程序。

8.醫療保健中的預測分析

我們已經將預測性分析視為連續兩年來最大的商業智慧趨勢之一，但是潛在的應用程式將遠遠超出業務範圍，並且在未來進一步擴大。美國研究合作機構Optum Labs已收集了超過3，000萬患者的電子病歷，以建立可改善護理質量的預測分析工具資料庫。

醫療保健線上商業智慧的目標是幫助醫生在幾秒鐘內做出以資料為依據的決策，並改善患者的治療水平。這對於具有複雜病史，患有多種疾病的患者特別有用。新的BI解決方案和工具還可以預測，例如，誰有患糖尿病的風險。

9.減少欺詐並增強安全性

一些研究表明，93％的醫療保健組織經歷了資料洩露。原因很簡單：在黑市上，個人資料極有價值且可獲利。許多組織開始使用分析來識別網路流量的變化或反映網路攻擊的任何其他行為，從而防止安全威脅。當然，大資料具有固有的安全性問題，許多人認為使用大資料將使組織比以往更容易受到攻擊。但是，諸如加密技術，防火牆，防病毒軟體等安全性方面的進步可以滿足對更高安全性的需求，而帶來的收益在很大程度上超過了風險。

同樣，它可以以系統的，可重複的方式幫助防止欺詐和不正確的索賠。分析有助於簡化保險索賠的處理過程，使患者可以從其索賠中獲得更好的回報。例如，醫療保險和醫療補助服務中心表示，他們在短短一年內減少了超過2。107億美元的欺詐行為。

10.遠端醫療

遠端醫療在市場上已有40多年的歷史，但是直到今天，隨著線上影片會議，智慧手機，無線裝置和可穿戴裝置的到來，遠端醫療才得以蓬勃發展。該術語是指使用技術交付遠端臨床服務。

它用於初級諮詢和初步診斷，遠端患者監測以及醫療專業人員的醫學教育。一些更具體的用途包括遠端外科手術-醫生可以使用機器人進行操作並進行高速實時資料傳輸，而無需與患者實際在同一地點。

臨床醫生使用遠端醫療來提供個性化的治療計劃，並降低住院或再次入院率。如前所述，醫療資料分析的這種使用可以連結到預測分析的使用。它使臨床醫生可以提前預測急性醫療事件並防止患者病情惡化。

透過使患者遠離醫院，遠端醫療有助於降低成本並提高服務質量。病人可以避免排隊等候，醫生也不會浪費時間進行不必要的諮詢和文書工作。遠端醫療還提高了護理的可用性，因為可以隨時隨地監視和諮詢患者的狀況。

11.大資料與醫學影像結合

醫學成像至關重要，在美國，每年執行約6億個成像程式。手動分析和儲存這些影象在時間和金錢成本上都是昂貴的，因為放射科醫生需要單獨檢查每個影象，而醫院需要將它們儲存好幾年。

醫學影像提供商Carestream解釋了用於醫療保健的大資料分析如何改變讀取影象的方式：透過分析成千上萬張影象而開發的演算法可以識別畫素中的特定圖案，並將其轉換為數字，以幫助醫生進行診斷。他們甚至可以更智慧，放射科醫生可能不再需要檢視影象，而是直接檢視分析演算法的結果，這些演算法將不可避免地比一個醫生一生研究和記住的影象多得多。毫無疑問，這將影響放射科醫生的作用，影響他們所需的教育程度和技能。

12.防止不必要的急診就診

使用大資料分析來節省時間，金錢和能源，以用於醫療保健。如果我們告訴您，在3年的時間裡，有一位婦女訪問急診室超過900次呢？這種情況真實發生在加利福尼亞州奧克蘭市，一名患有精神疾病和藥物濫用的婦女幾乎每天都要去當地的不同醫院。

由於當地急診室之間缺乏共享的醫療記錄，加劇了該婦女的問題，增加了納稅人和醫院的費用，並使該婦女難以獲得良好的護理。

為了防止將來再次發生這種情況，阿拉米達縣的醫院共同建立了一個名為PreManage ED的程式，該程式在急診科之間共享患者記錄。

該系統使急診人員了可以解以下資訊：

患者已經在其他醫院進行過某些檢查，這些檢查的結果如何。

如果有問題的患者已經在另一家醫院有病例管理員，則可以避免不必要的分配。

已經向患者提供了什麼建議，以便醫生可以獲取對患者的連貫資訊。

13.智慧的人員配備和人員管理

沒有凝聚力和敬業度的員工隊伍，病人的護理效果將降低，服務費率將下降，並且會造成錯誤。但是，藉助醫療保健中的大資料工具，可以在眾多關鍵領域簡化員工管理活動。透過使用正確的分析系統，時間緊張的醫療機構可​以最佳化人員配置，同時預測手術室需求，從而簡化患者護理。

通常，醫療機構中缺乏足夠的流動性，工作人員在錯誤的時間分佈在錯誤的區域。人事管理的這種不平衡可能意味著某個特定部門在最重要的時候要麼人滿為患，要麼人手不足，這可能會產生降低工作動機並增加缺勤率的風險。資料儀表盤在這種情況下，可能會有所幫助：

透過資料驅動的分析，可以預測高峰時段何時需要特定部門的人員，同時在較清閒的時間將熟練的人員分配給機構中的其他部門。

此外，醫學資料分析將使高階員工或操作人員能夠在需要時提供適當級別的支援，改善戰略計劃，並使重要的員工和人員管理流程儘可能高效。

14.學習與發展

擴充套件醫院或醫療機構的觀點，員工的技能，信心和能力可能意味著生與死之間的差異。當然，醫生在他們的專業領域都非常熟練。但是大多數醫療機構醫護人員都和其他的職業一起協同工作。

在醫療保健中，軟實力幾乎與資質同樣重要。為了使機構保持最佳執行狀態，必須鼓勵員工不斷的學習和進步。透過記錄培訓資料的同時跟蹤員工的整體績效，可以使用醫療保健資料分析來了解誰需要支援或培訓以及何時進行培訓。如果每個人都能夠隨著周圍的變化而發展，那麼將挽救更多生命。

15.高階風險與疾病管理

大資料和醫療保健對於應對特定慢性病患者的住院風險至關重要。它還可以幫助防止惡化。

透過深入研究諸如藥物型別，症狀和就診頻率等資訊，醫療機構可​​以提供準確的預防性護理，並最終減少住院人數。這種風險計算水平不僅會減少內部病人護理的支出，而且還將確保為最需要的人提供空間和資源。這是醫療保健分析如何改善和挽救人們生命的明確示例。

用於醫療保健的大資料可以提高患者護理質量，同時在各關鍵領域實現更經濟化地精簡。

16.預防自殺和自殘

全球每年有近80萬人死於自殺。另外，全世界有17％的人口在一生中會自殘。這些數字令人震驚。但是，儘管這是一個非常棘手的領域，但醫療保健中的大資料使用正在幫助實現有關自殺和自殘的積極改變。由於醫療機構每天都會接待大量患者，因此醫療機構可​​以使用資料分析來識別可能傷害自己的個人。

在KP和心理健康研究網路的2018年研究中，將電子病歷資料和標準的抑鬱症問卷相結合，高準確性的確定了自殺未遂風險增加的個體。該團隊使用一種預測演算法，發現根據特定資料集標記出的前1％的患者中自殺未遂和成功的可能性是其200倍。Kaiser Permanente Washington Health Research Institute的高階研究員Gregory E。 Simon，在談到這一主題時解釋說：

“我們證明了我們可以結合使用電子健康記錄資料和其他工具來準確識別自殺未遂或自殺死亡的高風險人群。”

醫療保健行業中大資料的基本使用案例確實證明了醫學分析可以挽救生命這一事實。

17.改善供應鏈管理

如果醫療機構的供應鏈被削弱或支離破碎，則從患者的護理和治療到長期的財務以及其他方面，一切都有可能遭受損失。也就是說，我們在醫療保健大資料示例中的下一個重點是分析的價值，以保持供應鏈從頭到尾的流暢和高效。

利用分析工具來跟蹤供應鏈績效指標，並就操作和支出做出準確的，以資料為依據的決策，每年可以為醫院節省多達1000萬美元。

描述性和預測性分析模型均可增強談判定價的決策，減少供應量的變化，並從整體上最佳化訂購過程。這樣一來，醫療機構就可以長期蓬勃發展，同時為患者提供重要的治療，而不會造成災難性的延誤，阻礙或瓶頸。

18.開發創新新療法

我們的醫療保健分析示例的最後一個集中於為醫療行業創造更光明，更大膽的未來。醫療保健中的大資料分析具有協助新療法和創新藥物發現的能力。透過結合使用歷史，實時和預測指標以及資料視覺化技術的緊密結合，醫療保健專家可以確定試驗或過程中的潛在優勢和劣勢。

此外，透過資料驅動的遺傳資訊分析以及患者的反應預測，醫療保健中的大資料分析可以在突破性新藥和前瞻性療法的開發中發揮關鍵作用。醫療保健中的資料分析可以簡化，創新，提供安全性並挽救生命。它給人信心和光明，這是未來的道路。