首先我本人是一名大資料開發的工程師，我認為是這樣的:

1.大資料可以解決的是資料儲存的問題，在以前資料儲存不是很方便的時候，醫生對於醫療病歷資訊，患者病理資訊的儲存是不完整的，現階段有了大資料技術以後，醫務工作者可以將相關的病理資訊錄入到大資料庫中，這些資訊對於相關疾病的研究起到了至關重要的作用。

2.大資料解決的是資料計算的問題，一個醫生對於病理的理解深度，很大的因素取決於他自己的經驗，這些經驗是需要自己在臨床中的摸索研究總結出來的，一個年輕的醫生在這方面是匱乏的，如果眾多的醫院的醫生都能將自己治療患者時所採用的手段經驗錄入到醫療大資料庫中，同時利用大資料人工智慧的手段，充分的描繪出每個病症的病理，形成病症的畫像，這樣不管是年輕醫生還是年邁醫生，在診療時都有經驗可尋，能夠大大提高治療的成功率。

人類的常見病也就是那麼多，利用大資料儲存，與計算分析，在患者病症的每個階段都有相關的一整套治療手段，對於患者來說是巨大的福音。

智慧醫療行業的上游主要是醫院相關方，主要涉及：

1、醫療器械裝置：目前主要是指智慧化的醫療器械裝置。

2、醫療資訊化：即醫療服務的數字化、網路化、資訊化，是指透過計算機科學和現代網路通訊技術及資料庫技術，為各醫院之間以及醫院所屬各部門之間提供病人資訊和管理資訊的收集、儲存、處理、提取和資料交換。

3、遠端醫療：著行動通訊、物聯網、雲計算、視聯網等新技術的發展，眾多的智慧健康醫療產品逐漸面世，遠端醫療也處於第二階段向第三階段邁進的過渡時期。

而智慧健康行業的下游主要面對患者，可以涉及以下產業：

1、可穿戴裝置：穿戴裝置正被用在不同的場景中幫助帕金森症、糖尿病、心臟病、高血壓和其他疾病患者管理疾病，這項技術降低了住院率和就診率，是智慧醫療領域的一項重大技術。

2、移動醫療APP：基於移動終端的醫療類應用軟體，主要為患者提供尋醫問診、預約掛號、購買醫藥產品以及查詢專業資訊等服務。

具體的應用場景真的太多了。

例如在醫院。

1、人工智慧+醫學影像，重點落地心血管及腫瘤影像

肺部疾病檢測引擎：可以自動、快速、準確的從病人的胸部CT掃描序列中發現疑似病灶位置，降低肺癌早期篩查的成本，提高檢測速度和檢測的準確率，緩解醫療資源的緊張，挽救更多患者的生命。阿里巴巴達摩院AI中心醫療健康實驗室的肺部疾病檢測引擎具有檢測準確度高、核心技術原創及經過實際場景驗證這三大特點

心血管疾病診斷引擎：為了進一步降低醫生互動的工作量，人工智慧心血管疾病診斷可以進行心臟冠脈的提取及重建，自動化的提取冠脈樹並命名精細到半徑小於1mm的分支，同時利用三維重建技術生成VR、CPR和SPR輔助醫生診斷病灶，實現斑塊類別識別、易損斑塊預警及狹窄程度預測等多項功能。

智慧骨科引擎：利用定位、分割和測量核心技術，輔助評估致病因素並確定診療方案，覆蓋膝關節、脊椎和膝關節，覆蓋多病種。經過醫院實景場景驗證，阿里巴巴達摩院AI中心醫療健康實驗室的資料顯示，其骨科AI產品的精準度超過70%的骨科醫生並且單次耗時低於200ms。

2、人工智慧+醫院管理

人工智慧最佳化醫療資源配置：利用大資料，從宏觀層面協調資源的有效分配。它能根據電子病歷、既往病史等資訊分析出哪些患者是最需要及時救治的，把醫療資源優先提供給他們，最佳化醫療服務的先後順序。

彌補醫院管理漏洞：從點評網站、社交平臺和新聞媒體等渠道收集客戶對醫院的評價，透過自然語言處理技術將非結構化的資料處理成能被系統識別的結構化資料，根據已經搭建好的模型，系統能夠整理、分析出各種評價背後的真實含義。

3、人工智慧+疾病診斷和預測

4、人工智慧+醫學研究

醫療機器翻譯：醫療行業記憶體在大量的翻譯需求，AI自動翻譯有完善的檔案解析生成能力，適應使用者不同檔案格式輸入，有效降低客戶在大量翻譯需求上的開支。阿里巴巴達摩院AI中心醫療健康實驗室落地的醫療行業機器翻譯系統能實現：權威語料翻譯、術語干預、SAAS標準服務及定製化部署，其醫學術語翻譯準確率大於80%，日期翻譯準確率大於99%。