《医疗大数据》读书笔记
医疗大数据对医学研究的影响与启示
医疗大数据对医学研究的影响与启示医疗大数据是指以数字化格式存储的医疗信息，它包括病历、实验室检查数据、影像学检查数据等大量有意义的医疗信息。
随着计算机技术和数据处理技术的不断发展，医疗大数据已经成为医学研究的新的热点领域，对医学研究产生了深远的影响和启示。
一、医学研究的数字化转型医学研究是一项高度复杂和精密的工作。
传统的医学研究往往需要耗费大量的人力、物力和财力，而且也很难保证研究的科学性和精确性。
随着医疗大数据的发展，医学研究已经逐渐向数字化转型。
数字化的医学研究相对传统的医学研究，具有大量的数据、高效的分析和判断能力，这些优点大大提高了医学研究的效率和质量。
医学研究者可以通过医疗大数据的深入分析，确定人群的健康状况、疾病的发生率、疾病的规律和预测，也可以预测化疗的效果和预后等信息。
二、帮助医疗机构保持竞争力医疗机构需要不断地提高服务水平，以保持自己在竞争中的优势。
医疗大数据可以帮助医疗机构更好地把握患者的需求和趋势。
医疗机构可以通过分析医疗大数据，了解患者的病情、诊断和治疗信息，以便在服务方面作出更加精确和专业的改进。
通过大数据分析，医疗机构能够更好地了解患者的健康水平和病情，可以精确预测患者的病情，并能够提高诊断的准确度，促进医疗卫生服务的质量提升。
三、患者个性化治疗方案的实现患者的病情和身体状况各不相同，必须通过更加专业、科学化的医疗手段和治疗方案来医治。
医疗大数据的出现使得患者个性化治疗方案的实现成为了可能。
通过深入分析病历和检查数据，医生可以了解患者的身体状况、病史、症状等信息，快速、准确地判定患者的疾病类型、病程和严重程度，精准制定个性化的治疗方案，减少治疗中的误诊和漏诊。
四、医学研究的加速医学研究需要大量的实验验证和统计数据支持。
医疗大数据的出现在很大程度上缩短了医学研究和治疗研究的周期。
通过分析医疗大数据，医学研究者能够更加深入地了解疾病的发病机制和治疗方案的优化，快速形成治疗方案，加速药物研发和研究。
医学类书籍读书笔记
医学类书籍读书笔记【篇一：医学的哲学思考的读书笔记】《医学的哲学思考》的读书笔记此书的中心思想：哲学指导医学，又服务于医学。
医学需要哲学的态度、理论、思维和方法来弥补、丰富、完善和处理医学活动中理性的欠缺与不足，重构医学中关于“人”的完整性认识范式，实现医学在观念与实践双重层面的科学精神与人文精神深度融合的“人学”转向。
哲学具有整合性和基础性，医学具有实践性和人文性。
此书的主要观点摘抄：医学从本质上讲是人学，关注的是在病痛中挣扎的、最需要关怀和帮助的人。
医学技术的目的是解除病人的痛苦，在竭力为病人寻求治疗和缓解病痛方案的同时，也注重对待病人的态度和行为方式，通过对病人的同情、关心和安慰等，给予病人情感的关照。
因此医学被认为是最具人文传统的学科，医生是最富含人情味的职业。
医学作为一种人类探索生命的理性活动，其中蕴涵的人文价值和哲学意义远远大于其技术意义。
人文是舵，技术是桨，没有人文的指引，技术就是瞎子。
对临床思维的主体和过程进行哲学分析是《黄帝内经》医学哲学思想的一个亮点，《黄帝内经》的哲学指导思想是《易经》，《黄帝内经》的基本理论是阴阳五行学说，《黄帝内经》的科学性是阴阳两气源动力学说，《黄帝内经》以预防为主，《黄帝内经》认为疾病可知、可防、可治，这充分体现了唯物观中“世界的可知性”和“人的能动性”的观点。
倡导医务人员应“敬用五事”，即“容貌要恭敬，言语要有条理，视察要清楚，听受要聪敏，思虑要通达”，应具备“三德”，即刚正不阿、以刚制胜、以柔制胜。
在古希腊，哲学家和医生有着共同的理论和实践背景，他们之间的关系紧密而复杂。
《希波克拉底文集》中的许多文章与之前或当时的哲学分享同一个普遍假设，使用相同的概念范畴和推理方式。
希波克拉底是西方医学之父，他认为医学的艺术乃是一切艺术之中最为卓越的艺术，他强调医学与艺术的结合，将艺术手段引入医学等努力和尝试正是这种认识的体现，他认为名副其实的医生应具备：“医学仆人”的思想和患者生命大于天的理念，高尚的医学人文品格、人文精神和深厚的人文修养、合理的知识结构和广阔的知识视野、团结协作的精神、仁爱和同情之心、审美修养。
《遇见未来：医疗大数据时代医学生培育研究》读书笔记模板
目录分析
第一章医疗大数据时 代及其对医学的影响
第二章医疗大数据时 代信息超载问题研究
第三章医疗大数据时 代医学生信息素养的 培养
遇见未来：医疗大数据时代医学生 培育研究
读书笔记模板
01 思维导图
03 读书笔记 05 精彩摘录
目录
02 内容摘要 04 目录分析 06 作者介绍
思维导图
关键字分析思维导图
时代
医务人员 书
医学 信息
管理
医学生
医疗
医学生
信息 时代
影响
医学生
医疗
隐私
大数据
教育
小结
内涵
பைடு நூலகம் 内容摘要
《遇见未来：医疗大数据时代医学生培育研究》一书立足未来信息技术的发展，新时代医学生与医务人员信 息素养培育研究。本书兼顾了学术性与趣味性，致力于为国家医疗卫生部门的管理决策者、医学院校的教育工作 者和广大医学生、医务人员提供借鉴。
读书笔记
作者是王强芬！不是王强……不仅是医学生，从业者也值得一看的书。
在生活中层次面境界认知程度决定发展上限灵性成长应该贯穿教育学习始终。
很有前瞻性，中国现在的大学医学教育存在很大问题，毕业了无法快速满足社会需求，越来越内卷。 2020 年我校大学医学生入学入门讲座提高了信息素养这个专题，我没有去研究，只是被动输入，很快便被大脑边缘化 过滤遗忘了。
第一节精准医学对检验医学的影响 第二节精准医学对治疗疾病的影响 第三节精准医学对医学教育提出的挑战及应对 小结
医疗大数据内容
医疗大数据内容引言概述：医疗大数据是指通过收集、整理和分析医疗领域的大量数据，以揭示潜在的医疗信息和知识。
这些数据可以包括患者的病历、医生的诊断和治疗方案、医疗设备的监测数据等。
利用医疗大数据，可以为医疗决策提供科学依据，并改善医疗质量和效率。
本文将从五个方面详细阐述医疗大数据的内容。
一、患者数据1.1 个人基本信息：包括患者的姓名、性别、年龄、联系方式等。
这些信息是医疗大数据的基础，可以用于建立患者档案和进行个性化医疗。
1.2 病历数据：包括患者的病史、症状描述、体格检查结果、实验室检验数据等。
这些数据可以帮助医生进行诊断和制定治疗方案。
1.3 医疗行为数据：包括患者的就诊记录、药物使用情况、手术操作记录等。
这些数据可以用于评估医疗质量和效果，提供指导性建议。
二、医生数据2.1 专业背景：包括医生的学历、职称、从业年限等。
这些信息可以帮助评估医生的专业水平和经验。
2.2 诊疗记录：包括医生的诊断结果、治疗方案和效果评估等。
这些数据可以用于研究不同治疗方法的效果，指导临床实践。
2.3 学术研究成果：包括医生的科研论文、专著、发明专利等。
这些数据可以用于评估医生的学术水平和影响力。
三、医疗设备数据3.1 监测数据：包括医疗设备对患者的监测数据，如心电图、血压、血氧饱和度等。
这些数据可以用于监测患者的生理状况和疾病进展。
3.2 设备维护记录：包括医疗设备的维护和保养记录。
这些数据可以用于评估设备的可靠性和安全性。
3.3 设备操作记录：包括医疗人员对设备的操作记录。
这些数据可以用于培训医疗人员和改进操作流程。
四、药物数据4.1 药物信息：包括药物的名称、成分、适应症、用法用量等。
这些信息可以用于指导药物的选择和使用。
4.2 药物副作用：包括药物的不良反应和禁忌症等。
这些数据可以用于评估药物的安全性和风险。
4.3 药物疗效：包括药物的治疗效果和临床疗效评价等。
这些数据可以用于指导药物的合理应用和疗效评估。
对医疗大数据的认识
重庆大学研究生文献综述对医疗大数据的认识姓名：学号：指导教师：专业：重庆大学光电工程学院二O一六年十一月1 医疗大数据产生的背景在任何一个初具规模的医院，每天接待上万的患者前来就诊，患者的基本信息、影像信息与其他特殊诊疗信息汇集在一起是一个庞大的数据。
据统计，上海市区域医疗信息平台（上海市“医联工程”及县区卫生数据中心）已经积累了覆盖3900万人群、1400TB数据量的电子诊疗与健康档案等医疗卫生数据（涵盖了全市38家三级医院3900万就诊人群的医疗信息，包括患者基本信息、就诊信息、健康档案、检验及影像检查报告、医学影像图像文件、住院相关病历、医保结算等医疗卫生数据，涉及就诊记录2.1亿条，处方记录9.1亿条）。
日积月累，这个数据量将会持续快速增长，为医院的数据存储、集成、调用等应用带来巨大压力。
除了数据规模巨大之外，医疗行业的数据类型和结构极其复杂，如PACS影像、B超、病例分析等业务产生的非结构化数据，这些数据存储复杂，并且对传统的处理方法和技术带来巨大挑战【1】。
医疗大数据得到人们的关注，并渴望有一种新的技术可以从这些看似杂乱无章的数据中得到价值。
目前，为了提高人们的健康水平以及医疗水平，医疗行业在大数据环境下的各个领域异常活跃[2]。
2 医疗大数据的相关概念2.1 医疗大数据的定义医疗数据是医生对患者诊疗和治疗过程中产生的数据，包括患者基本数据、入出转数据、电子病历、诊疗数据、医学影像数据、医学管理、经济数据等，以患者为中心，成为医疗信息的主要来源。
随着医疗卫生信息化建设进程的不断加快，医疗数据的类型和规模正以前所未有的速度快速的增长，以至于无法利用目前主流软件工具，在合理的时间内达到撷取、管理并整合成为能够帮助医院进行更积极目的经营决策的有用信息。
规模巨大的临床实验数据、疾病诊断数据以及居民行为健康数据等汇聚在一起形成了医疗大数据。
2.2 医疗大数据的主要来源2.2.1 制药企业、生命科学药物研发所产生的数据是相当密集的，对于中小型的企业也在百亿字节（TB）以上的。
对医疗大数据的认识
对医疗大数据的认识在当今数字化的时代，医疗领域正经历着一场深刻的变革，医疗大数据成为了推动医疗行业发展的重要力量。
那么，究竟什么是医疗大数据？它又有着怎样的价值和意义呢？医疗大数据，简单来说，就是在医疗过程中产生的海量数据。
这些数据来源广泛，包括医院的电子病历、医疗影像、检验报告、用药记录，还有患者的健康监测设备收集的数据，甚至是社交媒体上与健康相关的信息等等。
这些数据不仅数量巨大，而且类型多样，涵盖了结构化数据（如患者的基本信息、诊断结果）、半结构化数据（如医生的诊断报告）和非结构化数据（如医疗影像、音频记录）。
医疗大数据的价值首先体现在提高医疗质量和效率方面。
通过对大量病历和治疗方案的分析，医生可以更好地了解疾病的发生发展规律，为患者制定更加个性化、精准的治疗方案。
例如，对于某种癌症患者，通过分析以往类似病例的治疗效果和预后情况，医生可以选择最适合该患者的治疗手段，提高治疗成功率。
同时，大数据还能帮助医院优化医疗流程，减少患者等待时间，提高医疗资源的利用效率。
在疾病预防和预测方面，医疗大数据也发挥着重要作用。
借助大数据技术，我们可以对人群的健康数据进行分析，发现潜在的疾病风险因素，提前采取预防措施。
比如，通过分析某地区居民的饮食、运动、生活习惯等数据，发现该地区糖尿病的发病风险较高，相关部门就可以针对性地开展健康教育和干预措施，降低糖尿病的发病率。
此外，大数据还能预测疾病的爆发趋势，为公共卫生部门制定防控策略提供依据。
医疗大数据对于医学研究的推动作用也不可小觑。
以往的医学研究往往受到样本量小、数据不完整等因素的限制，研究结果可能存在偏差。
而有了医疗大数据，研究人员可以获取大规模、多维度的真实世界数据，开展更深入、更准确的研究。
比如，通过对成千上万例药物临床试验数据的分析，可以更全面地评估药物的疗效和安全性，为药物研发提供有力支持。
然而，医疗大数据的应用也面临着一些挑战。
首先是数据的安全性和隐私保护问题。
医疗大数据内容
医疗大数据内容引言概述：医疗大数据是指医疗领域中产生的大量数据，这些数据包括患者的病历、医疗影像、实验室检查结果等。
利用这些数据可以帮助医生更好地诊断疾病、制定治疗方案，提高医疗服务的质量和效率。
本文将从不同角度探讨医疗大数据的内容。
一、患者病历数据1.1 患者基本信息：包括患者的姓名、性别、年龄、联系方式等。
1.2 疾病诊断信息：记录患者的疾病诊断结果，如疾病名称、病情严重程度等。
1.3 就诊记录：记录患者的就诊时间、就诊科室、就诊医生等信息。
二、医疗影像数据2.1 医学影像：包括X光片、CT、MRI等医学影像，用于帮助医生诊断疾病。
2.2 影像报告：医生对医学影像进行解读和诊断，生成影像报告。
2.3 影像存档：将医学影像和报告存档，方便医生随时查阅。
三、实验室检查数据3.1 血液检查：包括血常规、生化指标等检查项目，用于评估患者的健康状况。
3.2 尿液检查：检查尿液中的蛋白质、糖等指标，帮助诊断肾脏疾病等。
3.3 病理检查：通过组织标本检查，确定疾病的病理类型和程度。
四、药物处方数据4.1 用药记录：记录患者的用药情况，包括药物名称、剂量、用药频率等。
4.2 药物不良反应：记录患者对药物的不良反应，帮助医生调整治疗方案。
4.3 药物相互作用：分析患者同时使用的药物是否存在相互作用，避免不良后果。
五、医疗服务数据5.1 就诊时间统计：统计医院各科室的就诊时间，合理安排医生的工作时间。
5.2 医疗费用统计：统计患者的医疗费用，帮助医院管理财务。
5.3 患者满意度调查：对患者进行满意度调查，了解医疗服务的质量，改进服务水平。
结论：医疗大数据内容丰富多样，包括患者病历数据、医疗影像数据、实验室检查数据、药物处方数据和医疗服务数据等。
通过对这些数据的分析和挖掘，可以为医生提供更准确的诊断和治疗建议，提高医疗服务的质量和效率。
在未来，医疗大数据将发挥越来越重要的作用，推动医疗行业的发展和进步。
医疗大数据分析深入浅出
医疗大数据分析深入浅出导读：医疗大数据是相对于一般数据而言，指的是人们从大数据软件分析、管理、捕捉大容量数据，以达到对大数据分析获得新的认知，从而创造新的价值的来源。
医疗大数据呈现这互相矛盾的两个特征，个人信息更加模糊也更加明晰。
因为医疗大数据几乎包含公民所有的个人信息，包括医疗、饮食、住所，旅行登记等，对此我们有必要对个人权利做到隐私保护，同时对除了个人权利信息以外的大数据合理利用，降低个人隐私安全风险，以医疗法律规范医疗大数据使用。
医疗大数据的概念和特征医疗大数据是大数据之一种。
大数据系相对一般数据而言，是指使用常规软件难以捕捉、管理、分析的大容量数据。
美国学者维克托迈尔舍恩伯格将大数据解释为是人们获得新的认知、创造新的价值的源泉，是改变市场、组织机构，以及政府与公民关系的方法。
通过大数据分析，医学家可以更便捷地预测一种新的诊疗手段的疗效;交易员能及时解读看似杂乱无章的交易数据，作出交易决策;政府能够同步分析长江各流域的堤坝数据，指导抗洪救灾，等等。
因此，通过分析大数据可以获得新知识，实现新决策，创造新价值。
医疗大数据在大数据中处于极其重要的地位，一方面，现代社会，人的健康在世界各国的民生中越来越处于举足轻重的地位;另一方面，移动/互联网医疗、自动化分析检测仪、可穿戴设备的普及等等，使得患者、医生、企业、政府各方都成了数据的直接创造者，每天产生海量的医疗数据。
与一般的医疗数据相比，在法律上，医疗大数据呈现两个相互关联的基本特征，一是个人信息的特征更模糊。
可识别性是个人信息最本质的特征，比如单份病历，只要拿到原始病历，有关个人的可识别性特征如姓名、住所、年龄、婚姻、疾病等一览无余，但是对于一份打包的医疗大数据，如经可穿戴设备而采集的大量人群的大数据，如非专业的分析软件，单凭普通手段很难从原始数据中发现可识别的个人信息;二是个人信息更容易被分析。
这与第一个特征似乎矛盾，但事实如此，比如即使所有病历都隐藏了姓名、年龄、住所等隐。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
在我国，由于国家信息化战略的侧重与新一轮医疗制度改革的催生，从历史沿革角度看，医疗设备和医疗服务的信息化是被涵盖在医疗机构信息化之内。
结合国际上统一的医疗信息化划分标准与我国特色，医疗机构信息化由以下部分组成。
1）医院管理信息系统。
医院管理信息系统，指以收费为中心，对门急诊的挂号、划价、收费、配药，住院患者的医嘱、配药、记账，以及医院的人、财、物等工作，实施计算机网络管理，对由各信息点采集的数据进行初步统计分析，并提供管理人员查询、管理和决策。
临床信息系统，指以患者为中心，使用影像存档和传输系统（PACS）、放射信息系统（radiology information system，RIS）、检验信息系统（laboratory information management system，LIS）、病理信息系统（pathology information system，PIS）、手术室信息系统（operating room information system，ORIS）等，用来全面收集患者的临床信息，并通过医生工作站提供给医生。
医生可使用电子医嘱录入系统（computerized physician order entry，CPOE）录入处方、医嘱和检查申请单，查询检查结果，以医疗文件“无纸化”来提高诊治的“三长一短”现象：挂号、候诊、收费队伍长, 看病时间短。
电子病历并非是患者传统纸质病历单纯的电子化，而是实现病历信息的采集、存储、传递、表现和加工利用。
挖掘电子病历数据，能从临床路径上用数据循证医学证据，建立起有关临床治疗的多种常规模式，并最终起到规范医疗行为的作用，减少变异、降低成本、提高质量，这无疑是有重要价值的。
上医治未病之病，谓之养生；中医治欲病之病，谓之保健；下医治已病之病，谓之医疗”，医疗大数据的来源主要有以下4个方面：（1）制药企业、生命科学药物研发所产生的数据是相当密集的，对于中小型的企业也在百亿字节（TB）以上的。
（2）临床医疗、实验室数据临床和实验室数据整合在一起，使得医疗机构面临的数据增长非常快，一张普通CT图像含有大约150MB的数据，一个标准的病理图则接近5GB。
（3）费用、医疗保险、利用率患者就医过程中产生的费用信息、报销信息、新农合基金使用情况等。
（4）健康管理、社交网络随着移动设备和移动互联网的飞速发展，便携化的生理设备正在普及，如果个体健康信息都能连入互联网，那么由此产生的数据量将不可估量。
医院信息系统（HIS）数据、检验信息系统（LIS）数据、医学影像存档和传输系统（PACS）数据和电子病历（EMR）数据。
HIS是医院的核心系统，是对医院及其所属各部门的人流、物流、财流进行综合管理的系统，围绕着医疗活动的各个阶段产生相关数据，包括各门诊数据及病房数据两大主流数据流。
LIS是HIS的一个重要组成部分，其主要功能是将实验仪器传出的检验数据经分析后，生成检验报告，通过网络存储在数据库中，使医生能够方便、及时地看到患者的检验结果。
PACS数据主要是将数字化医院影像科室日常核磁、CT、超声、各种X线机、各种红外仪等设备产生的图像存储起来。
EMR不同于以医疗机构为中心的门诊或住院病历，是真正以患者为中心的诊断和其他检验数据的“数据池”，它将患者诊断过程中生成的影像和信号，如X线检查、CT扫描等纳入电子病历中，并以统一的形式组织起来。
医疗大数据定义如下。
随着医疗卫生信息化建设进程的不断加快，医疗数据的类型和规模正以前所未有的速度快速地增长，以至于无法利用目前主流软件工具，在合理的时间内达到撷取、管理并整合成为能够帮助医院进行更积极目的经营决策的有用信息。
规模巨大的临床实验数据、疾病诊断数据以及居民行为健康数据等汇聚在一起形成了医疗大数据，并呈现出大数据的特性：（1）数据规模大（volume）（2）数据结构多样（variety）（3）数据增长快速（velocity）（4）数据价值巨大（value）除了大数据所具有的特征（即volume，variety，value，velocity）外，医疗大数据还具有多态性、不完整性、时间性及冗余性等医疗领域特有的一些特征。
根据大数据在医疗行业的主要应用场景医疗大数据可分为以下3类。
1）医药研发大数据大数据技术的战略意义在于对各方面医疗卫生数据进行专业化处理，可以使对患者甚至大众的行为和情绪的细节化测量成为可能，挖掘其症状特点、行为习惯和喜好等，找到更符合其特点或症状的药品和服务，并针对性地调整和优化。
医药公司在新药品研发阶段，可以通过大数据建模和分析，确定最有效的投入产出比，从而配备最佳资源组合。
除了研发成本，医药公司还可以更快地得到回报。
同样通过数据建模和分析，医药公司可以将药物更快推向市场，生产更有针对性的药物，获得更高潜在市场回报和治疗成功率的药物。
2）疾病诊疗大数据采集健康数据，居民可以随时查阅，了解自身健康程度。
同时，提供专业的在线专家咨询系统，由专家对居民健康程度做出诊断，提醒可能发生的健康问题，避免高危患者转为慢性病患者，避免慢性病患者病情恶化，减轻个人和医保负担，实现疾病科学管理。
另外，通过对大型数据集（如基因组数据）的分析提供个性化医疗方案。
个性化医疗可以改善医疗保健效果，如在患者发生疾病症状前，就提供早期的检测和诊断。
3）公共卫生大数据大数据可以连续整合和分析公共卫生数据，提高疾病预报和预警能力，防止疫情爆发。
公共卫生部门则可以通过覆盖区域的卫生综合管理信息平台和居民健康信息数据库，快速检测传染病，进行全面疫情监测，并通过集成疾病检测和响应程序，进行快速响应，这些都将减少医疗索赔支出，降低传染病感染率。
通过提供准确和及时的公共健康咨询，将会大幅提高公众健康风险意识，同时也将降低传染病感染元数据描述数据的产生、并随时间推移而演化的整个过程的信息，为数据提供了一个参考框架，用于让使用者更好地获取、使用和管理信息资源。
元数据与传统关系数据库的数据字典类似，它描述所属数据集的物理组织、数据模型、表结构、用户权限等信息。
但元数据的描述功能远不止这些，它包括了来自内外部的所有物理的和知识性的信息，包括物理数据的格式、技术和业务规则、数据组成和约束以及所使用的数据结构等方面。
元数据分为技术元数据、业务元数据和过程元数据。
元数据犹如数据集合的DNA，它描述了数据集中各要素的组成、结构、来源以及彼此之间如何协作。
采用元数据知识库进行存储是目前公认的元数据收集组织方式。
在医疗信息化的过程中，主要面临的问题是如何实现区域内异构医疗机构间医疗卫生数据互联互通，以及医疗卫生信息语义互操作，即两个或多个医疗机构间交换信息和对所交换信息进行使用的能力。
被公认是医疗大数据主要来源的有3 种，分别是电子病历数据、基因数据和互联网数据。
医学领域内的数据资源，按照类型来分大致有电子病历、医学影像、临床检验和医患行为这4种。
这些医疗行业相关数据资源应包括医保政务、医学文献、制药行业和医药销售等4部分内容。
生命科学现在有两个分支，即计算生物学和生物信息学，前者是模拟生物系统怎样运转，如一个细胞的代谢路径，或是一个蛋白生成的方法；而后者则从许多不同的实验中收集和分析数据。
凭借大数据技术分析基因数据，是未来医学个性化医疗模式和“治未病”的起点。
这是因为，数据挖掘无需假设，是一种无预先假设（hypothese-free），这种研究有着特别的作用，即能让某一个特定的基因或一组“候选”基因无偏向性地让这些基因数据自己“阐述”自身的作用。
电子健康纪录（electronic health record，HERs）整合了不同来源的病患健康资讯，包括病患所有的电子病历，理想的电子健康记录应该具有互动性、互用性、安全性、持续性和即时更新的特性。
非结构化和半结构化数据现在主要包括医生医嘱、出院小结和各种描述性质的分析报告。
针对这些数据，首先需要进行分词，之后再利用医学领域的知识库对分词结果进行概念的识别，最终形成一个机器可读的数据。
这个流程中，系统对数据的处理并不是完全自动化的过程。
一些不能自动识别的文本将由人工进行识别处理，之后作为一个用户字典规则，加入到系统标准识别过程中。
用到的工具包括：（ 1 ）文本分词在医疗卫生领域，需要结合医疗卫生领域的本体知识库的建模，建立业务词典，提高分词的准确率。
（ 2 ）文本挖掘（ 3 ）语义分析医疗数据的共享、整合成为迫切需要。
第一阶段是以传统的数据交换整合，即基于 E A I / E T L技术来实现，主要实现在广域网范围内医疗卫生数据采集和交换，实现在区域的整合，形成区域级别的健康档案，主要在数据层面实现整合；第二阶段在此基础上以面向服务的架构（ s e r v i c e o r i e n t e d a r c h i t e c t u r e ， S O A ）为中心，从数据整合上升到应用整合和业务协同；第三阶段在前两个阶段的基础上基于 H L 7和 I H E等国际标准实现开放性和可互操作的信息共享和业务协同。
数据清洗（ E T L ），是英文 e x t r a c t t r a n s f o r m l o a d的缩写，用来描述将资料从来源端经过抽取（ e x t r a c t ）、转换（ t r a n s f o r m ）、装载（ l o a d ）至目的端的过程。
数据抽取具体包含如下几种实现方式。
（ 1 ）全量抽取（ 2 ）增量抽取面向医疗大数据应用的逻辑参考架构主要分为五个层次，分别是医疗大数据管理层、医疗大数据整合层、医疗大数据处理层、医疗大数据应用支撑管理层及医疗大数据应用服务层。
医疗大数据资源种类繁多、结构复杂，主要包括： 1 ）诊疗数据 2 ）药品数据3 ）健康数据4）医疗知识库5）外源数据多源数据汇集后，还需进行有效的融合处理，才能进行有序组织，构成医疗大数据核心资源。
1 ）医疗大数据主数据管理2 ）患者身份交叉索引（ P I X ）处理患者标识号（ p a t i e n t i d e n t i f i e r ， P I D ）3 ）融合诊疗事件形成医疗事件时间序列目前的大数据服务技术主要针对结构化数据和基于 K e y V a l u e的文本数据，而对于序列数据、图数据这些类型没有很好的支持技术。
针对不同的数据源、不同的数据格式、不同的数据逻辑关系，医疗健康大数据处理平台提供了实时数据库、关系数据库、 N o S Q L数据存储、 H D F S文件存储等多种专用的存储服务和系统，为数据的高效存储和有效管理提供了保障。
1 ）离线批处理计算方式（ M a p R e d u c e ）2 ）在线实时分析计算框架（ S p a r k ）3 ）流式计算框架（ S t o r m ）在医疗大数据分析层，将着重解决两个层面的分析工作。