医疗大数据面临的挑战及思考
医疗大数据分析的挑战和解决方案
医疗大数据分析的挑战和解决方案随着互联网技术的不断发展，医疗行业正逐渐进入大数据时代。
医疗大数据的积累和分析，不仅可以促进医疗卫生服务的精细化管理，还有利于发现和预防医疗卫生问题。
不过，医疗大数据分析也面临着一些挑战。
本文将讨论医疗大数据分析的挑战和解决方案。
一、医疗大数据分析的挑战1. 医疗大数据质量不稳定。
医疗数据来源广泛，涉及面极广，包括医院信息系统、病人电子病历、健康档案、移动医疗应用等等。
然而，不同数据源之间具有巨大的差异，其中包括数据格式、数据质量、数据标准等方面的差异。
在这种情况下，如何选择和稳定医疗数据是医疗大数据分析的一项关键挑战。
2. 数据分析的技术难度。
医疗大数据具有复杂性和异质性。
大数据分析一般采用机器学习、人工智能等技术。
医疗大数据分析技术要求更高，包括自然语言处理、数据挖掘、深度学习、图像处理等多个方面。
如何充分利用这些技术，揭示医疗大数据之间的内在关系，是医疗大数据分析需要解决的难题。
3. 数据保密和隐私问题。
医疗大数据分析面临着医疗隐私、鉴权认证等多个问题。
如何保护医疗隐私并且确保数据的安全性、完整性是这些问题中最困难的部分。
此外，由于医疗大数据分析需要整合不同来源的数据，难免会面临着数据泄露的风险，所以如何建立可信赖的机制，以及确保数据统一和标准化是非常重要的。
二、医疗大数据分析的解决方案1. 数据采集和整合标准化。
数据采集可以采用自动化采集或者手动采集，包括机器采集和手工输入。
针对数据质量、完整性等问题，建立质量控制机制，确保数据的正确性和完整性。
数据整合是将不同的数据源的数据进行整合，保证数据的一致性和准确性是数据整合的关键。
2. 数据分析及建模技术。
数据分析技术的选择是数据分析的核心。
医疗大数据分析技术可分为监督式学习和无监督式学习等，同时应用自然语言处理、图像处理等技术。
监督式学习，可以自动地学习和训练数据，找出其中的关系和潜在模型；无监督式学习主要是从数据中自动抽取特征和分类。
医疗健康大数据的挑战与难点分析
医疗健康大数据的挑战与难点分析医疗健康大数据是近年来备受关注的研究领域，针对其挑战和难点进行深入的分析对于推动该领域的发展具有重要意义。
本文将从医疗健康大数据的特点及其应用出发，分别探讨医疗健康大数据所面临的挑战和难点。
一、医疗健康大数据特点及应用医疗健康大数据包含了大量的医疗数据、健康数据、生物数据、心理数据等，这些数据涵盖了疾病的发生和治疗、各种生理指标的监测以及人们的生活方式等方面。
医疗健康大数据的应用也十分广泛，例如：1.医疗决策支持：通过收集和分析患者的数据，为医生提供更准确的诊断和治疗建议。
2.疾病预测和流行病学研究：通过分析大量的数据，可以预测未来的疾病趋势，为公共卫生工作提供支持。
3.药物研发和临床试验：通过分析大量的药物数据和患者数据，辅助药物的研发和临床试验。
二、医疗健康大数据面临的挑战1.大数据的获取和采集：医疗健康大数据的获取和采集需要大量的时间和精力，而且难以标准化，数据质量不高，大数据的来源也不太稳定。
2.数据隐私和安全问题：为了确保数据的安全和隐私，必须采取一系列的安全措施，但这些措施往往会降低数据的可用性和分析效果。
3.大数据的处理和分析：随着数据量的增加，如何对这些数据进行有效的处理和分析成为了非常重要的问题，需要采用先进的处理技术和算法。
4.数据的共享和开放：虽然数据的共享和开放是促进医疗健康大数据发展的重要手段，但是面临众多的法律、技术和政策障碍，需要寻求一种平衡点。
三、医疗健康大数据面临的难点1.数据标准化问题：医疗健康大数据的数据来源非常多，数据类型、格式、内容都各不相同，如何进行标准化的处理成为了一个不容忽视的难点。
2.数据的可靠性和准确性问题：由于大多数的数据都是用户自我记录或由医生手动录入，数据的可靠性和准确性受到很大的挑战。
3.医学领域知识的缺失：虽然大数据分析技术已经相当先进，但是面对复杂的医学数据，必须有医学领域的专家提供针对性的分析技术和方法。
医疗行业大数据应用面临哪些挑战
医疗行业大数据应用面临哪些挑战在当今数字化时代，大数据在各个领域的应用都带来了巨大的变革，医疗行业也不例外。
医疗大数据蕴含着丰富的信息，对于提高医疗质量、优化医疗资源配置、推动医学研究等方面都具有巨大的潜力。
然而，在实际应用中，医疗行业大数据的发展并非一帆风顺，还面临着诸多挑战。
首先，数据的质量和准确性是一个关键问题。
医疗数据来源广泛，包括电子病历、医疗影像、实验室检测结果、传感器数据等。
然而，这些数据可能存在录入错误、不完整、不一致等情况。
例如，医生在填写病历时可能由于匆忙或疏忽导致信息不准确；不同医疗机构之间的数据格式和标准可能不一致，使得数据整合和共享变得困难。
此外，患者自行报告的症状和病史也可能存在偏差。
不准确的数据可能导致错误的诊断和治疗决策，影响医疗效果。
其次，数据的安全性和隐私保护是至关重要的挑战。
医疗数据包含患者的个人敏感信息，如姓名、身份证号、疾病诊断、治疗方案等。
一旦这些数据泄露，可能会对患者造成严重的伤害，如身份盗窃、保险歧视等。
因此，在医疗大数据的应用中，必须采取严格的安全措施来保护数据，包括加密技术、访问控制、数据脱敏等。
同时，还需要遵守相关的法律法规，如《健康保险可携性和责任法案》（HIPAA）等，以确保患者的隐私得到充分保护。
然而，在实际操作中，确保数据的安全性和隐私保护并非易事，需要投入大量的资源和技术手段。
再者，数据的互联互通和共享存在障碍。
尽管医疗行业越来越重视信息化建设，但不同医疗机构之间的信息系统往往相互独立，数据难以流通和共享。
这使得患者在不同医院就诊时，医生难以获取其完整的医疗记录，影响诊断的准确性和治疗的连续性。
此外，医疗机构之间可能存在利益冲突和竞争关系，导致数据共享的积极性不高。
要实现医疗数据的互联互通和共享，需要建立统一的数据标准和互操作平台，同时解决好利益分配和责任归属等问题。
另外，医疗大数据的分析和应用能力不足也是一个挑战。
医疗数据具有复杂性和多样性的特点，不仅包括结构化的数据，如电子病历中的数值和文本，还包括非结构化的数据，如医疗影像和医生的手写笔记。
医疗大数据行业的机遇与挑战
医疗大数据行业的机遇与挑战近年来，医疗大数据行业备受关注，成为了医疗领域的热门发展方向。
医疗大数据的兴起为医疗行业带来了许多机遇，同时也面临着一些挑战。
本文将探讨医疗大数据行业的机遇与挑战，并分析其对医疗领域的影响。
一、机遇1. 提升医疗效率：医疗大数据的广泛应用可以实现医疗信息的共享与交流，加快了医疗过程中的决策和治疗速度。
通过大数据的分析，医生可以更准确地诊断和治疗疾病，提高医疗效果。
2. 深化医学研究：医疗大数据的积累与分析可以为科研人员提供大量的实验数据，加速医学研究的进程。
基于医疗大数据进行研究，可以更好地理解疾病的发展规律，为新药研发和治疗方法的改进提供科学依据。
3. 个性化医疗：通过医疗大数据的分析，医生可以更好地了解患者的病情和生理特征，从而为每个患者量身定制个性化的诊疗方案。
个性化医疗可以提高治疗效果，并减少患者的不适和副作用。
4. 预防和监测疾病：医疗大数据可以为公共卫生工作提供重要支持。
通过分析大数据，可以监测疾病的传播趋势和风险，及时采取预防和控制措施。
同时，可以通过大数据的分析预测患者的疾病风险，提前采取干预措施，减少疾病的发生。
二、挑战1. 数据隐私和安全：医疗大数据涵盖了大量的个人隐私信息，如患者的病历、疾病诊断结果等。
如何保护患者的隐私和数据安全成为了一个重要的挑战。
医疗机构和企业需要建立完善的数据安全保护机制，确保患者数据不被滥用和泄露。
2. 数据质量和准确性：医疗大数据的质量和准确性对于分析结果和应用的可靠性至关重要。
然而，由于医疗数据的多样性和复杂性，数据的质量和准确性常常受到影响。
医疗机构和数据提供商需要加强数据管理和标准化，提高数据质量和准确性。
3. 技术和人才不足：医疗大数据的应用离不开先进的技术和专业人才的支持。
然而，目前医疗领域在大数据技术和人才方面仍存在不足。
缺乏相关技术和人才的问题亟待解决，促进医疗大数据的应用与发展。
4. 法律法规和伦理问题：医疗大数据的使用涉及到法律法规和伦理问题。
医疗大数据的应用与难点分析
医疗大数据的应用与难点分析随着医疗技术的不断发展和普及，大数据已经成为了医疗领域的重要一环。
通过收集、分析和利用医疗数据，医生们可以更加准确地了解患者病情，同时也能够提供更好的治疗方案和服务。
然而，医疗大数据的应用和发展一直面临着一些困难和挑战，本文将就这些问题进行深入探讨。
一、医疗大数据应用的好处医疗大数据作为一种新兴的技术，可以提供许多好处。
首先，通过收集和分析患者的信息，医生们可以更加准确地了解患者的病情和治疗进展，从而为患者提供更好的诊断和治疗方案。
此外，大数据也可以为医学研究提供数据支持，以帮助科学家们更好地理解疾病的发病机理和治疗方法。
最后，大数据还可以帮助医疗保险公司和政府部门更好地管理和运营医疗系统，降低医疗成本和提高医疗服务的质量。
二、医疗大数据应用面临的挑战虽然医疗大数据应用的好处非常明显，但是也面临着一些困难和挑战。
首先，医疗数据的质量和数量问题是一个重要的挑战。
由于医疗数据的来源和类型非常多样，医疗机构往往难以有效地收集和整合这些信息，并且可以信任和有效的数据可能仅占实际数据的一小部分。
其次，数据隐私和安全问题也是一个严重的挑战。
医疗数据包含着非常敏感的信息，一旦泄露或被滥用，将会对患者造成极大的损害和影响。
因此，医疗机构需要有良好的隐私保护政策和安全措施，以保护患者的利益和机构的声誉。
三、医疗大数据难点分析除了面临挑战外，医疗大数据的应用还面临着一些难点和技术瓶颈。
首先，医疗数据的共享和管理问题是医疗大数据应用的一个难点。
由于医疗数据被分散在不同的医疗机构和部门，数据共享和管理一直是一个难点。
其次，数据分析和挖掘问题也是医疗大数据应用的一个难点。
由于医疗数据复杂多样，如何有效地进行数据分析和挖掘，并提供有用的信息和建议是非常困难的。
“大数据杀手”中存在的假象阳性便是其中一个困难点。
最后，医疗大数据的应用还需要与传统医疗服务相结合，在保护患者隐私和数据安全的前提下，提供更为全面和准确的医疗服务。
大数据应用于医疗领域的挑战与机遇
大数据应用于医疗领域的挑战与机遇随着科技的飞速发展，大数据已经成为21世纪的热词。
大数据的应用范围涉及方方面面，其中医疗领域的应用更是引起了广泛的关注。
大数据在医疗领域的应用不仅能够促进医疗资源的优化配置，提高医疗效率，还可以为患者提供个性化的医疗服务。
然而，大数据应用于医疗领域也面临着一些挑战，需要我们去解决。
本文将探讨大数据应用于医疗领域的挑战与机遇。
一、挑战1. 数据的质量与隐私保护一个重要的问题是如何确保医疗数据的质量和隐私保护。
医疗数据的质量对于计算出准确的结果至关重要。
然而，在现实中，医疗数据常常存在缺失、错误和不一致等问题，这就要求我们建立完善的数据质控体系，确保数据的准确性和完整性。
另外，由于医疗数据的敏感性，隐私保护也是一个非常重要的问题。
大数据的应用需要大量的数据共享和交流，但我们必须确保患者的个人隐私不会被泄露。
2. 数据的标准化与互操作医疗领域存在许多不同的信息系统和数据源，这些系统和数据往往由不同的机构和部门维护。
这就导致了数据的标准化和互操作问题。
不同系统和数据源的标准和格式不同，很难进行数据的整合和分析。
因此，我们需要建立统一的数据标准和协议，以促进医疗数据的互操作性。
3. 数据分析与决策支持在大数据时代，数据分析和决策支持成为医疗领域的一个重要挑战。
虽然大数据提供了丰富的信息和知识，但如何从大数据中提取有价值的信息并转化为可行的决策是一个复杂的问题。
医疗专业人员需要具备数据分析和决策支持的能力，以更好地利用大数据为患者提供个性化的医疗服务。
二、机遇1. 疾病预测与风险管理大数据可以帮助医疗领域进行疾病预防、早期诊断和风险管理。
通过分析大规模的医疗数据，医疗专业人员可以发现一些潜在的疾病风险因素和模式，从而可以采取相应的措施进行干预和预防。
此外，通过结合个人基因信息和环境因素，可以为患者提供更精准的风险评估和管理策略。
2. 医疗资源优化与运营管理大数据可以帮助医疗机构进行资源的优化配置和运营管理。
大数据在医疗健康领域的应用与挑战
大数据在医疗健康领域的应用与挑战目前，随着信息技术的迅速发展，大数据在各个行业得到了广泛的应用。
在医疗健康领域，大数据的应用也成为了一种趋势。
本文将探讨大数据在医疗健康领域的应用以及面临的挑战。
一、大数据在医疗健康领域的应用1. 诊断和预测大数据分析在医疗健康领域可以帮助医生进行疾病的诊断和预测。
通过收集和分析大量的病例数据、基因组学数据、生物统计数据等，可以建立起更准确的疾病预测模型，提高疾病的早期诊断率，为病患提供更精准的治疗方案。
2. 药物研发和效果评估大数据分析也可以在药物研发和效果评估方面发挥作用。
通过分析大量的临床试验数据、生物信息数据等，可以加速新药的开发过程，并实时跟踪药物的效果和安全性。
这有助于提高药物的研发效率和有效性，为患者提供更好的治疗方案。
3. 个性化医疗大数据分析可以根据不同人群的基因、生活习惯、医疗历史等信息，为患者提供个性化的医疗方案。
通过分析大量的个人数据，可以预测患者的健康状况和疾病风险，并制定相应的预防和治疗方案，从而提高医疗效果和患者的生活质量。
二、大数据在医疗健康领域面临的挑战1. 数据隐私和安全在大数据分析的过程中，涉及到大量的个人健康数据和敏感信息。
因此，保护数据的隐私和安全性成为了一项重要的挑战。
医疗机构和相关企业需要加强数据保护措施，以确保患者的个人信息不被滥用和泄露。
2. 数据质量和一致性医疗健康领域涉及的数据非常庞杂，包括临床数据、基因组学数据、生物信息数据等。
这些数据的质量和一致性对于大数据分析的有效性至关重要。
因此，需要建立起数据标准和规范，确保数据的质量和一致性。
3. 技术和人力资源大数据分析需要涉及到复杂的技术和算法，以及专业的人力资源。
医疗机构和相关企业需要投入大量的人力和财力来培养和吸引相关专业人才，以应对大数据分析带来的挑战。
总之，大数据在医疗健康领域有着广泛的应用前景，但同时也面临着一些挑战。
只有通过解决这些挑战，才能更好地实现大数据在医疗健康领域的应用和推广。
医学大数据分析的挑战与机遇
医学大数据分析的挑战与机遇医学领域利用大数据分析技术已经成为一种新兴趋势，它为医学研究者和从业者提供了从传统医疗模式向个性化医疗模式转变的机会。
尽管如此，医学大数据分析仍然面临着一些挑战和难题，也同时为医学研究和病患护理带来了许多机遇。
本文旨在探讨医学大数据分析所面临的挑战和机遇，并展望其未来的发展前景。
一、医学大数据分析的挑战1. 数据质量问题医学数据来源繁多，包括电子病历、医学影像、基因组学、生命体征等多个维度的数据。
这些数据的质量直接关系到分析结果的准确性和可靠性。
然而，医学数据的质量受多种因素的影响，如数据采集、存储、传输等环节中可能存在的错误和丢失。
同时，医学数据的格式和标准也存在多样化和不统一的问题，使得数据整合和分析变得更加困难。
2. 数据安全与隐私问题医学数据具有高度敏感性和隐私性，其中包含了大量关于患者身体状况和个人信息的数据。
在进行大数据分析时，数据隐私和安全问题成为亟待解决的挑战。
医学机构和研究团队需要确保数据的安全存储和传输，同时在数据使用的过程中严格保护患者隐私，合法合规地进行数据共享和交流。
3. 数据存储与处理问题大数据分析所需的数据规模巨大，医学领域的数据量更是庞大。
对于医学研究者和从业者来说，如何高效地存储、管理和处理这些海量的医学数据成为一项巨大的挑战。
传统的数据存储和处理方法已经无法满足对大数据的需求，需要开发新的存储架构和分析工具来应对这一挑战。
二、医学大数据分析的机遇1. 个性化医疗医学大数据分析可以基于患者的遗传、病理、临床数据等多方面的信息，为患者提供个性化的医疗服务。
通过分析大数据，医疗机构可以预测患者的疾病风险、制定个性化的治疗方案，并提供实时的健康监测和管理。
个性化医疗不仅可以提高患者的治疗效果，还可以降低医疗资源的浪费。
2. 疾病预测与预防利用大数据分析技术，医学研究者可以对大规模的病例数据进行深入挖掘和分析，发现潜在的疾病规律和风险因素。
基于这些发现，可以建立起疾病预测模型，并进行早期干预和预防措施，减少疾病的发生和传播。
- 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)。
doi:10.3969/j.issn. 1672-5166.2013.04.03医疗大数据面临的挑战及思考蔡佳慧①张 涛①宗文红①△文章编号：1672-5166（2013)04-0292-04 中图分类号：R-37 文献标志码：A摘 要随着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增长，医疗卫生领域已进入“大数据时代”。
本文在对医疗大数据基本概念进行剖析的基础上，归纳总结医疗大数据时代所面临的新挑战，详细介绍闸北区为应对这些挑战在数据管理、整合、存储、利用等方面所实施的具体措施，并对下一步工作进行了有益的思考。
关键词大数据卫生信息化数据处理Challenges and Considerations of the Big Data of MedicineCai Jiahui, Zhang Tao, Zong WenhongZhabei District Health Research and Information Center, Shanghai 200070, ChinaAbstract With the rapid development of health information, the type and scale of medical and health data continue to expand at an unprecedented pace. Medical and health fi eld has entered a big-data era. On the basis of the analysis of the basic concepts of health data, this paper summarizes the new challenges faced in medical and health fi eld in the age of big data and introduces in details the implementation of specifi c measures of Zhabei District to meet these challenges in data management, integration, storage, utilization.The benefi cial thinking for the next step has also been put forward.Key words Big data, Health information, Data processing1 引言当前我们正处于一个数据爆炸性增长的“大数据”时代。
据IDC（ International Data Corporation ，国际数据公司）预测，中国的大数据市场在2012～2016年间将增长5倍，政府、银行、医疗卫生、电信等行业将在其中占据最多的份额。
在医疗卫生领域，各种信息系统在医疗机构的广泛应用以及医疗设备和仪器的数字化，使医院数据库的信息容量不断膨胀，这些宝贵的医疗信息资源对于疾病的管理、控制和医疗研究都是非常有价值的。
如何利用这些海量的信息资源更好地为医疗卫生行业的管理、诊疗、科研和教学服务，已经越来越为人们所关注。
① 上海市闸北区卫生科技与信息中心，上海市，200070作者简介：蔡佳慧（1986），女，学士学位；研究方向：卫生信息管理；E-mail：caijiahui86@通讯作者：宗文红（1968），女，硕士学位；副主任医师；研究方向：卫生信息管理；E-mail：zongwenhong2006@△通讯作者2922 医疗大数据概述2.1 大数据的定义大数据其本质是信息爆炸时代对数据的核心价值再挖掘，被大部分专业人士认为是计算机行业继云计算、物联网之后IT产业又一次颠覆性的技术变革[1]。
其有四个特征：一是数据量大，起始计量单位至少是P（1000个T）；二是数据类型繁多，包括音频、视频、图片、地理位置信息等等；三是数据价值密度相对较低，需要强大的机器算法迅速完成数据价值的“提纯”；四是处理速度快，时效性要求高。
可将其归纳为4个“V”：Volume，Variety，Value，Velocity[2]。
2.2 医疗大数据的来源医疗大数据的来源主要包括四类：①制药企业/生命科学：药物研发是相当密集型的过程，对于中小型的企业也在TB以上的。
在生命科学领域，随着计算能力和基因测序能力逐步增加，美国哈佛医学院个人基因组项目负责人詹森·鲍比就认为，到2015年，将会有5000万人拥有个人基因图谱，而一个基因组序列文件大小约为750MB。
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。
如果将这些数据量乘以人口数量和平均寿命，仅一个社区医院累积的数据量，就可达数TB甚至数PB之多。
③费用报销/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，由此产生的数据量不可估量。
2.3 医疗大数据的应用麦肯锡公司（世界级领先的全球管理咨询公司）在其报告中指出，排除体制障碍，大数据分析可以帮助美国医疗服务业一年创造3000亿美元的附件价值，包括医疗服务业5大领域（临床业务、付款/定价、研发、新的商业模式、公众健康）的15项应用：(1)临床操作包括：①比较研究；②临床决策支持系统；③医疗透明度；④远程病人监控；⑤对病人档案的先进分析。
(2)付款/定价包括：①自动化系统；②基于卫生经济学和疗效研究的定价计划。
(3)研发包括：①预测建模；②提高临床试验设计的统计工具和算法；③临床试验数据的分析；④个性化治疗；⑤疾病模式的分析。
(4)新的商业模式包括：①汇总患者的临床记录和医疗保险数据集；②网络平台和社区。
(5)公众服务：改善公众健康监控[3]。
3 医疗大数据面临的挑战3.1 数据的整合对“小数据”而言，最基本、最重要的要求就是减少错误，保障质量，在大数据时代，允许不精确的出现已经成为一个新的亮点，而非缺点[4]。
分散挂接于卫生信息共享平台下的各类医疗卫生机构中，产生了大量的异构数据，使得数据采集、整合变得十分困难，现有平台的数据质量并不理想。
毋庸置疑，对于个人信息来说，每一次的历史诊疗数据都必须准确无误。
但是，只把目光集中在提高数据质量上，忽视那些不精确数据的利用将无法适应这个大数据时代。
错误并不是大数据固有的特性，而是一个亟需我们去处理的现实问题，并且有可能长期存在。
在这种情况下，是否能够忽略数据本身的差错，使我们掌握利用更多的数据。
3.2 数据的存储不断膨胀的医疗信息数据中混杂着大量非结构化数据，分析数据来源日趋多样化，目前的存储架构已经无法满足大数据应用的需要，在处理和查询大数据集时更是力不从心。
第一是容量问题：“大容量”通常可达到PB级的数据规模，因此，海量数据存储系统一定要有相应等级的扩展能力。
除数据规模巨大之外，还拥有庞大的文件数量，因此如何管理文件系统层累积的元数据也是一个难题。
第二是延迟问题：医疗大数据应用存在实时性问题，需对数据进行实时或准实时的处理、秒级的查询需求响应。
在卫生信息化调研过程中，很多医务人员反映调阅数据速度慢，放射科医293生调阅病人CT影像要等待数分钟。
显然，静态的存储方案无法满足数据动态演化所带来的挑战。
第三是并发访问：一旦认识到医疗大数据分析应用的潜在价值，就会将更多数据集纳入系统进行比较，同时让更多的人使用这些数据。
而这些数据则可能存储在多个地点的多种不同类型的存储设备上，并发问题将会日益突出。
3.3 数据的挖掘利用当前区域卫生信息平台数据的利用主要分为直接利用和间接利用两大类。
直接利用包括信息调阅共享、卫生服务智能提示与诊断辅助，还有各类基于信息共享的业务协同服务等。
间接利用主要是根据卫生行政与管理需求，实现的BI 统计，绩效分析等。
而在企业中，已有许多开始深入研究医疗数据的挖掘利用[5]，并已经从大数据中找到了与医疗卫生相关的潜在价值，例如：2009 年甲型H1N1 流感爆发的几周前，谷歌公司成功预测动机流感的传播；苹果公司总裁史蒂夫·乔布斯的医生们能够基于他的特定基因组成，按所需效果用药。
可以说，医疗卫生系统人员对于服务器中大量的医疗数据利用度不够，大部分还停留在关注数据的精确性，而非数据关联性的阶段。
卫生管理部分每年都投入大量资金，对数据进行维护管理，但是不断增加的数据、设备为政府带来了沉重负担，这些数据的价值还未真正体现出来。
3.4 数据的安全保护正如纳米科技时代的到来一样，任何一项高新技术的发展在推进社会发展前进的同时，必然会产生一定的负面作用。
医疗数据和应用呈现指数级增长趋势，也给动态数据安全监控和隐私保护带极大的挑战。
媒体曾爆出温州多家医院信息系统遭黑客侵入，医药信息外泄；央视“3·15”晚会曝光了罗维邓白氏公司非法买卖公民个人信息事件。
卫生信息安全现已存在着“内忧外患”，信息泄露事件造成恶劣影响，其背后暴露出的政策衔接不到位、管理监督不严格等问题值得关注和反思。
大数据时代的到来，产生新的安全性问题，例如过去不会有数据混合访问的情况，但大数据的分析需要多类数据相互参考等问题让人更为担忧。
4 思考医疗行业服务于中国13亿民众时必须面对海量医疗健康数据处理需要。
随着国家积极倡导“3521”医疗系统建设，预计在全国会出现上百个医疗数据中心，每个数据中心都将承载近1000万人口的医疗数据，数量多、更新快且类型繁杂。
据估计，中国一个中等城市（1000万人口）50年所积累的医疗数据量就会达到10PB级别[6]。
医疗卫生领域已迎来了自己的“大数据时代”。
在医疗大数据时代萌芽的阶段，对其带来的新问题应予以重视。
上海市闸北区于2010年12月被确定为“卫生部2010年基于电子健康档案、电子病历、门诊统筹管理的基层医疗卫生信息系统试点项目”试点区之一，目前，区域卫生信息共享平台已连接全部区属医疗机构共计19家，现有服务数据共计2.26亿，日均抽取医疗数据20余万，日均接受下推数据4.5万余。
面对快速增长的数据量，闸北区在数据管理、整合、存储、利用等方面进行了思考和研究：4.1 同步变革数据管理方式庞大的数据量在存储上是一个非常严重的问题，除对网络、硬件、软件进行升级以保证数据存储系统的灵活性，使其能够适应各种不同应用类型和数据场景之外，闸北区还在积极探索存储虚拟化技术。