很多醫療保健用例非常適合大型醫療機構。一些以學術或研究為重點的醫療機構正在試驗大資料或將其用於高階研究專案。這些機構利用資料科學家，統計學家，研究生等來解決大資料的複雜問題。

部分資料都是為娛樂目的而收集的。但是，醫療資料的數量和速度都不足以滿足當今的大資料需求。 今天絕大多數醫療保健資料收集都可以被認為是娛樂性的，儘管隨著用例數量的增加，這些資料可能會有價值，但對於今天的大部分資料來說，並沒有太多的實際用例。資料當然有多種多樣，但大多數系統透過偶爾對模型進行調整來收集非常相似的資料物件。也就是說，支援基因組學的新用例肯定需要大資料方法。

大多數衛生系統今天可以做大量工作，而無需大資料，包括滿足大部分分析和報告需求。我們甚至沒有接近於擴充套件傳統關係資料庫所能實現的醫療保健分析的侷限性 ，與擔心大資料相比，有效地使用這些資料庫更有價值。

目前，大多數醫療機構都陷入了一些非常普遍的問題，例如監管報告和操作儀表板。大多數現在只需要普通的“空氣和水”，但是一旦基本需求得到滿足並且一些最初的高階應用已經到位，新的使用案例將會到達（例如，可穿戴醫療裝置和感測器），從而驅動對大資料式解決方案。大資料的幾個挑戰在當前的大資料分佈中尚未得到解決。在醫療保健領域普遍使用大資料的兩大障礙是需要使用它的技術專業知識以及缺乏強大的整合安全性。

建立電子病歷：

在醫療方面，到目前為止，大資料最強大的應用就是電子醫療記錄的收集。每一個病人都有自己的電子記錄，包括個人病史、家族病史、過敏症以及所有醫療檢測結果等。

收集病人資料：

另一個創新是 可穿戴裝置 的應用，這些裝置能夠實時彙報病人的健康狀況。和醫院內部分析醫療資料的軟體類似，這些新的分析裝置具備同樣的功能，但能在醫療機構之外的場所使用，降低了醫療成本，病人在家就能獲知自己的健康狀況，同時還獲得智慧裝置所提供的治療建議。

節約醫院成本：

大資料在醫學影像中的應用：

醫學影像包括X射線、核磁共振成像、超聲波等，這些都是醫療過程中的關鍵環節。

放射科醫生往往需要單獨檢視每一個檢查結果，不但形產生了巨大的工作量，同時也有可能耽誤患者的最佳治療時間。但是大資料能夠完全改變他們的分析方式。

智慧醫療大資料平臺解決方案

https://www.toutiao.com/i6734969718572057091/