宋 波，楊艷利，馮云霞

醫(yī)療大數(shù)據(jù)研究進展

宋 波，楊艷利，馮云霞

從醫(yī)療大數(shù)據(jù)的基本概念、種類及其各領(lǐng)域的應(yīng)用出發(fā)，介紹醫(yī)療大數(shù)據(jù)的來源和現(xiàn)階段醫(yī)療健康數(shù)據(jù)在不同平臺的存儲策略及技術(shù)；通過實例列舉醫(yī)療大數(shù)據(jù)的挖掘處理方法和研究分析現(xiàn)狀，并對醫(yī)療大數(shù)據(jù)在醫(yī)藥研發(fā)、臨床診斷、健康管理等領(lǐng)域的應(yīng)用情況進行調(diào)研；對醫(yī)療大數(shù)據(jù)挖掘的成果及其面臨的挑戰(zhàn)進行總結(jié)。

醫(yī)療大數(shù)據(jù)；數(shù)據(jù)挖掘；醫(yī)療健康

隨著信息技術(shù)的高速發(fā)展和社會生活的不斷進步，傳統(tǒng)的數(shù)據(jù)模式已經(jīng)不能滿足人們的要求，大數(shù)據(jù)的研究和應(yīng)用將會為國家、社會、工作、生活、思維帶來變革。近幾年來，大數(shù)據(jù)在很多領(lǐng)域都得到了廣泛應(yīng)用。為滿足客戶需求，很多企業(yè)會根據(jù)用戶在社交網(wǎng)站、購物網(wǎng)站一些渠道的瀏覽記錄搜集數(shù)據(jù)，了解客戶的愛好和需求。美國著名零售商Target會通過大數(shù)據(jù)分析來預(yù)測客戶什么時候想要小孩；沃爾瑪超市會通過大數(shù)據(jù)建模進行預(yù)測哪個產(chǎn)品會大賣，從而提高企業(yè)效益。很多股權(quán)的交易都是利用大數(shù)據(jù)算法完成的。許多婚戀網(wǎng)站會通過用戶注冊的信息，運用大數(shù)據(jù)分析尋找與客戶更加匹配的對象。目前，很多城市都在進行大數(shù)據(jù)的分析，收集實時交通信息和天氣數(shù)據(jù)，通過網(wǎng)絡(luò)平臺對交通、天氣信息進行優(yōu)化，為市民提供便利。

1　概述

醫(yī)療大數(shù)據(jù)作為大數(shù)據(jù)中極其重要的一部分，它的應(yīng)用不僅僅是醫(yī)療方面的數(shù)據(jù)信息，還包括了衛(wèi)生事業(yè)、生命健康數(shù)字化存儲的海量數(shù)據(jù)［1］。理論上，醫(yī)療健康大數(shù)據(jù)可以涉及一個國家或地區(qū)的

全部醫(yī)院、衛(wèi)生機構(gòu)和所有人群，通過醫(yī)院、衛(wèi)生機構(gòu)日常的醫(yī)療管理、臨床診斷、病程記錄、用藥記錄、檢查檢驗結(jié)果記錄可以采集到眾多具有極高價值的醫(yī)療數(shù)據(jù)。這些數(shù)據(jù)都是患者的真實記錄，是臨床留下的真實痕跡，其背后都可能隱藏著眾多的有待挖掘和分析的醫(yī)療信息。

1.1醫(yī)院信息化系統(tǒng)醫(yī)療大數(shù)據(jù) 在信息化高度發(fā)展的今天，各個醫(yī)療機構(gòu)都具備了自己的信息化平臺，日常的患者信息管理、臨床診斷、病程記錄等都實現(xiàn)了電子化存儲。醫(yī)院信息系統(tǒng)的運用，不僅對醫(yī)院管理、部門交接提供了便利，而且對醫(yī)療活動各階段的數(shù)據(jù)采集、存儲、處理、傳輸、加工操作提供了更加便捷有效的措施，電子病歷系統(tǒng)、實驗室信息管理系統(tǒng)、影像歸檔和通信系統(tǒng)的應(yīng)用，使醫(yī)院的整體運營更加流暢，管理更加自動化［1］。

1.2區(qū)域衛(wèi)生服務(wù)平臺醫(yī)療大數(shù)據(jù) 隨著現(xiàn)代信息技術(shù)的發(fā)展，大多數(shù)的區(qū)域衛(wèi)生機構(gòu)通過計算機網(wǎng)絡(luò)建立了區(qū)域衛(wèi)生信息平臺，實現(xiàn)數(shù)據(jù)集中管理、區(qū)域衛(wèi)生信息一體化。這一信息平臺通過網(wǎng)絡(luò)相關(guān)技術(shù)進行連接，將區(qū)域醫(yī)療衛(wèi)生機構(gòu)、疾控中心、體檢中心等連為一體，實現(xiàn)在線協(xié)同辦公、信息共享［2］，匯集了區(qū)域內(nèi)疾病診斷、健康體檢、藥物信息等醫(yī)療健康數(shù)據(jù)，區(qū)域全民健康檔案具有更加健全的醫(yī)療信息。

1.3移動健康數(shù)據(jù) 隨著人們生活水平的提高，對家庭健康越來越重視，“健康”與“醫(yī)療”的關(guān)系也變得越來越緊密［3］。目前狀態(tài)下，人們已經(jīng)對健康醫(yī)療有了自己的一個定位，隨著“可穿戴設(shè)備”的初露頭角，大家開始對移動健康醫(yī)療有了新的認識；通過移動采集終端，搜集用戶的生理數(shù)據(jù)，將信息傳送到云平臺，當(dāng)就診時，醫(yī)生會根據(jù)患者的日常身體指標(biāo)和疾病數(shù)據(jù)，進行病情分析和處理，結(jié)合多方面的處理結(jié)果給出相應(yīng)的診斷或者是康復(fù)建議［4］。

2　醫(yī)療大數(shù)據(jù)挖掘

2.1醫(yī)療大數(shù)據(jù)挖掘現(xiàn)狀

2.1.1國內(nèi)外現(xiàn)狀 2013年，美國確定了大數(shù)據(jù)研究和發(fā)展計劃，美國政府想通過對大數(shù)據(jù)的應(yīng)用，為生物醫(yī)藥、環(huán)境保護、科研教學(xué)、工程技術(shù)、國土安全各個領(lǐng)域創(chuàng)造福利［6］。同年，英國投資1.89億英鎊建造英國國民醫(yī)療服務(wù)系統(tǒng)，此系統(tǒng)擁有非常龐大且齊全的英國醫(yī)療數(shù)據(jù)，得到英國政府的大力支持［7］。還有很多國家在大數(shù)據(jù)的研究上取得了一定的成果。我國在2015年第十二屆全國人民代表大會上，提出了“互聯(lián)網(wǎng)+”，推動了我國大數(shù)據(jù)的進步。2015年3月國家衛(wèi)生計劃生育委員會網(wǎng)絡(luò)安全和信息化工作組全體會議提出了“推進健康醫(yī)療大數(shù)據(jù)應(yīng)用，制定促進健康醫(yī)療大數(shù)據(jù)應(yīng)用的相關(guān)方案，推動健康醫(yī)療大數(shù)據(jù)有序發(fā)展”的意見。

2.1.2研究實踐 據(jù)報道Predilytics公司研究大數(shù)據(jù)，用來分析醫(yī)保領(lǐng)域公正、透明和業(yè)務(wù)驅(qū)動的結(jié)果，其研究的異常預(yù)測模型的分析深度比傳統(tǒng)的模型高出了1～3倍［8］；2009年，谷歌公司用幾十億條檢索信息，處理分析了幾億個有差別的數(shù)字模型，研究出了“谷歌流感趨勢”系統(tǒng)，在美國爆發(fā)甲型H1N1流感時，及時判斷出了流感傳播的源頭，比傳統(tǒng)的疾控中心數(shù)據(jù)更加有效和及時［9］，雖然這次大數(shù)據(jù)的研究存在著很多的問題，但是這確實是一個很好的進步；斯坦福大學(xué)醫(yī)學(xué)院院長Lloyd Minor開發(fā)的醫(yī)療系統(tǒng)，能夠自動分析患者輸入的信息，提供給醫(yī)生和患者一個明確的疾病診斷結(jié)果和個性化的治療方案，節(jié)省了患者和醫(yī)生的時間［10］。

2.2醫(yī)療大數(shù)據(jù)挖掘算法 醫(yī)療大數(shù)據(jù)是非常復(fù)雜、豐富的數(shù)據(jù)，所以在對數(shù)據(jù)的存儲、分析、處理上也要有一些更加有效的方法，才能夠挖掘出其潛在的價值。醫(yī)療大數(shù)據(jù)挖掘常用方法包括分類、聚類、回歸分析、關(guān)聯(lián)規(guī)則、決策樹、人工神經(jīng)網(wǎng)絡(luò)算法［11］。

2.2.1聚類 聚類是把不同的對象集合分成若干個不同類別的模型，每個模型具有相似的對象，有著基本相似的特征，又與其他類別中的對象不相同。通過聚類方法可以對醫(yī)療大數(shù)據(jù)進行分類處理，找出相似的病癥和與其他病癥的不同，從而能夠分析出同一病種的微小差異，做到精準(zhǔn)治療。Miller等［12］通過對人們的日常數(shù)據(jù)的攝入量、輸出量和排泄習(xí)慣進行聚類分析，研究了將復(fù)雜排泄變量轉(zhuǎn)變?yōu)殡x散模式，從而進行集群的命名和有效性測試。Hastie等［13］通過對疼痛反應(yīng)結(jié)果的聚類分析，完成了多種疼痛誘因的研究。

2.2.2關(guān)聯(lián)分析 關(guān)聯(lián)分析是在給定的數(shù)據(jù)集中發(fā)現(xiàn)頻繁出現(xiàn)的項集模式。這一方法能夠發(fā)現(xiàn)醫(yī)療信息數(shù)據(jù)庫中滿足目的的最小支持度和最小可信度的所有關(guān)聯(lián)規(guī)則，從而揭示隱藏在大數(shù)據(jù)中的關(guān)聯(lián)關(guān)系［14］。

在一些存在大量用戶醫(yī)療信息的數(shù)據(jù)庫中，包括個人健康信息、臨床治療信息、臨床診斷信息等，可以通過這一方法進行數(shù)據(jù)的挖掘處理，實現(xiàn)對疾病的檢測和預(yù)測。通過運用關(guān)聯(lián)規(guī)則技術(shù)和處理大量的醫(yī)療信息經(jīng)大數(shù)據(jù)技術(shù)尋找實現(xiàn)不同因素相關(guān)性疾病的生命周期，用于進行臨床決策和特殊疾病的診斷［15］。關(guān)聯(lián)規(guī)則方法對患者表現(xiàn)的疾病特點、診療過程的研究非常有效。

2.2.3決策樹方法 決策樹是一種典型的分類方法，從一組無序、無規(guī)則的事例中推理出決策樹表示形式的分類規(guī)則，然后使用決策對新數(shù)據(jù)進行分析。

決策樹算法在醫(yī)藥大數(shù)據(jù)處理中的應(yīng)用很常見，包括ID3算法、C4.5算法。這些算法都可以處理高維、數(shù)量巨大的醫(yī)藥數(shù)據(jù)，提高處理的速度，這一方法對數(shù)據(jù)量巨大的醫(yī)療大數(shù)據(jù)的處理帶來了便利。而且，此方法不僅能夠?qū)σ恍┽t(yī)學(xué)圖像建立分類器，也可以用于一些需要長期觀察的慢性病研究，分析病種的變化趨勢，對疾病作出預(yù)測。

2.2.4人工神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò)算法是一種模仿生物神經(jīng)網(wǎng)絡(luò)的算法，神經(jīng)元個數(shù)龐大而且能對輸入信號進行非線性處理，模擬大腦風(fēng)格的處理方式，具有非程序化和適應(yīng)性的特點。它能夠?qū)Υ罅康摹⒉淮_定的、非線性的醫(yī)療大數(shù)據(jù)進行智能處理，非常適合現(xiàn)階段數(shù)量巨大的醫(yī)療大數(shù)據(jù)的挖掘研究，能夠滿足醫(yī)藥數(shù)據(jù)挖掘模型的要求，對數(shù)據(jù)進行更加精準(zhǔn)的處理。通過人工神經(jīng)網(wǎng)絡(luò)算法，對醫(yī)院數(shù)字醫(yī)療設(shè)備產(chǎn)生的數(shù)字化醫(yī)學(xué)圖像信息進行處理，建立人工神經(jīng)網(wǎng)絡(luò)輔助診療系統(tǒng)，幫助醫(yī)生提高放射、CT、癌癥普查等臨床診斷的精準(zhǔn)性［16］。

3　醫(yī)療大數(shù)據(jù)應(yīng)用現(xiàn)狀分析

2012年11月15日由英特爾主辦的“智慧醫(yī)療數(shù)據(jù)服務(wù)技術(shù)研討會”，英特爾醫(yī)療行業(yè)中國區(qū)技術(shù)總監(jiān)吳聞新就認為，大數(shù)據(jù)處理在醫(yī)療行業(yè)的應(yīng)用包含藥品研發(fā)、基本藥物臨床應(yīng)用分析、實時統(tǒng)計分析、就診行為分析、臨床數(shù)據(jù)對比、臨床決策支持、新農(nóng)合基金數(shù)據(jù)分析、遠程患者數(shù)據(jù)分析、人口統(tǒng)計學(xué)分析、新的服務(wù)模式［17］。2014年“英特爾醫(yī)療行業(yè)峰會”，又對當(dāng)前大數(shù)據(jù)形式下區(qū)域醫(yī)療信息化建設(shè)和醫(yī)療大數(shù)據(jù)的解決方案、產(chǎn)品開發(fā)方面進行了深入探討［18］。

3.1醫(yī)療大數(shù)據(jù)在醫(yī)藥領(lǐng)域的應(yīng)用 大數(shù)據(jù)時代，人們的所有健康狀況都是發(fā)布在網(wǎng)絡(luò)云平臺上，通過聯(lián)網(wǎng)機制，患者可以隨時隨地查詢自己的就診信息，同樣患者用藥信息及診療結(jié)果也都是可以隨時查詢。醫(yī)療衛(wèi)生機構(gòu)可以通過觀察患者的用藥情況、身體指標(biāo)轉(zhuǎn)變、癥狀特點等，找到針對具有微小差異各個病種的最合適的藥物，從而能夠調(diào)整和優(yōu)化、運用最合適的藥物和治療方案對患者進行治療。在藥品的研發(fā)中，通過對上述大數(shù)據(jù)的處理能夠根據(jù)不同藥品的需求情況和治療效果制定新的研發(fā)方案，這樣就能很好地保證有效的投入產(chǎn)出比，合理地利用資源，降低生產(chǎn)成本，保證一個更好的收益［19］。新藥品因為有了先前大數(shù)據(jù)的研究，投入市場后的使用保證了它的有效性、安全性。

3.2醫(yī)療大數(shù)據(jù)在臨床診斷的應(yīng)用 傳統(tǒng)的臨床診斷，醫(yī)生只是憑借自己的實踐經(jīng)驗、病癥特點、檢查檢驗指標(biāo)等進行判斷，過程繁瑣，容易忽視其中很多微小的病癥信息，增加了醫(yī)生精確診斷的困難。通過對大數(shù)據(jù)研究分析所制定的臨床決策系統(tǒng)，能夠根據(jù)醫(yī)療知識和臨床數(shù)據(jù)對病例進行分析。系統(tǒng)中擁有全國乃至全世界的相關(guān)數(shù)據(jù)，能為醫(yī)生提出十分規(guī)范的臨床診斷和根據(jù)不同病癥提出的個性化治療方案；醫(yī)生在此基礎(chǔ)上再進一步根據(jù)以往經(jīng)驗對患者進行治療，篩選最優(yōu)的治療方案，做到精準(zhǔn)治療，大大降低了誤診率［20-21］。

3.3醫(yī)療大數(shù)據(jù)在個人健康管理的應(yīng)用 隨著科技的快速發(fā)展，各種醫(yī)療設(shè)備的不斷更新?lián)Q代，許多智能的可穿戴設(shè)備能夠讓我們不用去醫(yī)院就能了解自己的身體健康狀況，對自己及家人的健康進行管理。通過軟件錄入個人信息如性別、年齡、身高、體質(zhì)量、職業(yè)、個人史、家族史，通過可穿戴設(shè)備測出血壓、體溫、心率、脈搏；通過實驗室檢查設(shè)備記錄血糖、血脂。系統(tǒng)根據(jù)各項指標(biāo)給出健康狀態(tài)，同時用戶也可以根據(jù)自己身體各項指標(biāo)變化的情況判斷一段時間內(nèi)身體健康狀況。這些個人健康數(shù)據(jù)會上傳云平臺進行管理，在就醫(yī)時，醫(yī)生可以通過醫(yī)院系統(tǒng)調(diào)出患者日常數(shù)據(jù)輔助判斷，可對患者進行更加精確的治療［22］。

4　挑戰(zhàn)與總結(jié)

隨著社會經(jīng)濟的發(fā)展，醫(yī)療衛(wèi)生信息化建設(shè)腳步不斷加快，各醫(yī)療行業(yè)對快速增長的醫(yī)療大數(shù)據(jù)應(yīng)用的熱情也非常高漲，但是到目前為止，大數(shù)據(jù)挖掘成功應(yīng)用的案例還很少。

醫(yī)療數(shù)據(jù)面臨的挑戰(zhàn)首先是醫(yī)療數(shù)據(jù)采集的高度復(fù)雜性，由于數(shù)據(jù)來源的廣泛性，使得來自不同平臺的數(shù)據(jù)結(jié)構(gòu)差異變大，在數(shù)據(jù)采集的時候會延長周期，而且很難保證數(shù)據(jù)的完整性。對于醫(yī)療數(shù)據(jù)的采集如果不能做到精準(zhǔn)、完整，會對之后的研究帶來嚴(yán)重的后果［23］。

其次將這些數(shù)據(jù)從不同機構(gòu)系統(tǒng)、平臺中整合出來進行分析處理，而又不違背法律和倫理，這也是一個巨大的障礙。大數(shù)據(jù)的多樣化使得存儲變得困難，在處理如此復(fù)雜的數(shù)據(jù)時難以保證處理結(jié)果的準(zhǔn)確性，如果得到的是錯誤的或是有偏差的處理結(jié)果，將影響整個的數(shù)據(jù)分析判斷。

醫(yī)療數(shù)據(jù)研究和應(yīng)用近年來呈現(xiàn)急劇上升趨勢，人們的隱私保護受到很大的考驗。數(shù)據(jù)的存儲、分析和應(yīng)用過程中，都可能導(dǎo)致數(shù)據(jù)的泄露?；颊邆€人隱私信息的泄露不但會影像患者的個人安全，而且會擾亂社會秩序；從大的層面來說，如果在醫(yī)療數(shù)據(jù)方面的防備薄弱，一些不法分子可能會趁機通過網(wǎng)絡(luò)平臺獲取醫(yī)療數(shù)據(jù)來獲取利益，也會給醫(yī)療行業(yè)帶來巨大損失，給國家安全帶來隱患［24］。

雖然醫(yī)療大數(shù)據(jù)技術(shù)還處于初級階段，我國的信息化水平也面臨著很大的挑戰(zhàn)。但是隨著我國醫(yī)療信息數(shù)據(jù)的積累、醫(yī)療行業(yè)的快速發(fā)展、互聯(lián)網(wǎng)和醫(yī)療的不斷融合、健康管理市場的不斷擴大，這樣的挑戰(zhàn)也帶來了前所未有的機遇。通過提高大數(shù)據(jù)分析技術(shù)、加強隱私保護和數(shù)據(jù)安全，對醫(yī)療大數(shù)據(jù)進行精確的挖掘處理，將為國家、社會帶來效益［25］。

［1］劉芳，盧國強，劉暢.大數(shù)據(jù)視角下醫(yī)院信息管理與信息系統(tǒng)專業(yè)建設(shè)研究［J］.電子技術(shù)與軟件工程，2016（6）: 170.

［2］俞國培，包小源，黃新霆，等.醫(yī)療健康大數(shù)據(jù)的種類、性質(zhì)及有關(guān)問題［J］.醫(yī)學(xué)信息學(xué)雜志，2014，35（6）:9-12.

［3］何疆春，李田昌.移動健康的發(fā)展現(xiàn)狀與趨勢［J］.轉(zhuǎn)化醫(yī)學(xué)雜志，2016，5（3）:174-177.

［4］顏延，秦興彬，樊建平，等.醫(yī)療健康大數(shù)據(jù)研究綜述［J］.科研信息化技術(shù)與應(yīng)用，2014，5（6）:3-16.

［5］鄒北驥.大數(shù)據(jù)分析及其在醫(yī)療領(lǐng)域中的應(yīng)用［J］.計算機教育，2014（7）:24-29.

［6］美國政府的大數(shù)據(jù)計劃［J］.信息系統(tǒng)工程，2013（7）:9.

［7］王莤.英國大數(shù)據(jù)戰(zhàn)略分析［J］.全球科技經(jīng)濟瞭望，2013，28（8）:24-27.

［8］羅旭，劉友江.醫(yī)療大數(shù)據(jù)研究現(xiàn)狀及其臨床應(yīng)用［J］.醫(yī)學(xué)信息學(xué)雜志，2015，36（5）:10-14.

［9］黃文莉.探討大數(shù)據(jù)技術(shù)在疾病防控上的應(yīng)用［J］.電子技術(shù)與軟件工程，2016（6）:188-189.

［10］雪姬.最具前景的應(yīng)用，醫(yī)學(xué)大數(shù)據(jù)顛覆傳統(tǒng)醫(yī)療［EB/ OL］.（2015-08-31）［2016-06-12］.http://www.36dsj.com/ archives/32241/.

［11］楊華昆.大數(shù)據(jù)時代數(shù)據(jù)挖掘技術(shù)探討［J］.電腦編程技巧與維護，2015（24）:78-79.

［12］Miller JM，Guo Y，Rodseth SB.Cluster analysis of intake，output，and voiding habits collected from diary data［J］. Nurs Res，2011，60（2）:115-123.

［13］Hastie BA，Riley JL 3rd，Robinson ME，et al.Cluster analysis ofmultiple experimental painmodalities［J］.Pain，2005，116（3）:227-237.

［14］孫艷秋，王甜宇，曹文聰.基于云計算的醫(yī)療大數(shù)據(jù)的挖掘研究［J］.計算機光盤軟件與應(yīng)用，2015（2）:11，13.

［15］Fang Z，F(xiàn)an X，Chen G.A study on specialist or special disease clinics based on big data［J］.Front Med，2014，8（3）:376-381.

［16］徐建軍.醫(yī)學(xué)影像數(shù)據(jù)挖掘中的人工神經(jīng)網(wǎng)絡(luò)方法研究［J］.實用放射學(xué)雜志，2006，22（11）:1416-1418.

［17］張怡，李柯.大數(shù)據(jù)在醫(yī)療領(lǐng)域各角色中的應(yīng)用［J］.電腦知識與技術(shù)，2015，11（21）:10-11，15.

［18］劉華.2014英特爾醫(yī)療峰會在北京舉行［J］.中國數(shù)字醫(yī)學(xué)，2014（8）:63.

［19］朱蕊，彭龑.醫(yī)療大數(shù)據(jù)的應(yīng)用［J］.中國西部科技，2015，14（5）:95-97.

［20］林青.大數(shù)據(jù)在醫(yī)療衛(wèi)生系統(tǒng)中的應(yīng)用［J］.電腦編程技巧與維護，2016（7）:48-49.

［21］生物谷.從大數(shù)據(jù)到精準(zhǔn)醫(yī)學(xué)——2015精準(zhǔn)醫(yī)療研討會［J］.轉(zhuǎn)化醫(yī)學(xué)雜志，2015，4（3）:封二.

［22］Murdoch TB，Detsky AS.The inevitable application of big data to health care［J］.JAMA，2013，309（13）:1351-1352.

［23］王定珠，周凡漪.電子病歷、手持移動終端、大數(shù)據(jù)采集與分析、數(shù)據(jù)安全在醫(yī)療質(zhì)控中的應(yīng)用［J］.中華醫(yī)學(xué)圖書情報雜志，2015，24（12）:56-58.

［24］陳鶴群.大數(shù)據(jù)環(huán)境下醫(yī)療數(shù)據(jù)隱私保護面臨的挑戰(zhàn)及相關(guān)技術(shù)梳理［J］.電子技術(shù)與軟件工程，2014（16）: 51-53.

［25］沈韜，崔泳.醫(yī)療大數(shù)據(jù):期望與現(xiàn)實［J］.中國數(shù)字醫(yī)學(xué)，2015（7）:2-4，32.

Review ofmedical big data research

SONG Bo，YANG Yanli，F(xiàn)ENG Yunxia
（School of Information Science&Technologe，Qingdao University of Science&Technologe，Qingdao Shandong 266100，China）

This article firstly introduces the concept，types and application fields ofmedical big data，and then introduces sources and current storage strategies on different platforms ofmedical big data.Secondly，we enumerate current state of existed medical big data mining and analyzing methods through cases，and research application state of bigmedical data in fields of clinical diagnosis，health management，and other related instances.Finally，we concluded the article by summarizing achievements ofmedical big datamining and challenges faced in the future.

Medical big data；Datamining；Health care

R197.323

A

2095-3097（2016）05-0298-04

10.3969/j.issn.2095-3097.2016.05.013

國家自然科學(xué)基金青年科學(xué)基金項目（61572268）；國家自然科學(xué)基金面上項目（61303193）；山東省自然科學(xué)基金項目（2011ZRB01172）

266100山東 青島，青島科技大學(xué)信息科學(xué)技術(shù)學(xué)院（宋 波，楊艷利，馮云霞）

1.4網(wǎng)絡(luò)醫(yī)療大數(shù)據(jù) 網(wǎng)絡(luò)醫(yī)療數(shù)據(jù)往往產(chǎn)生于社交互聯(lián)網(wǎng)上關(guān)于疾病、健康的互動，比如尋醫(yī)網(wǎng)站、論壇話題，日常網(wǎng)民關(guān)于醫(yī)療、藥品的搜尋內(nèi)容和通過網(wǎng)絡(luò)藥店的購藥行為等。這一部分?jǐn)?shù)據(jù)具有很大的隨機性和不穩(wěn)定性，存在著文字、音頻、視頻、圖片多種形式的數(shù)據(jù)，而且大部分?jǐn)?shù)據(jù)都不會有很大的醫(yī)療價值，但是少部分?jǐn)?shù)據(jù)的挖掘分析，也是值得進行深入研究［5］。

（2016-07-12 本文編輯:徐海琴）