大數據在當今現代醫學有哪些用途

『壹』 生物醫學基因大數據有哪些具體應用

基因大數據分析就是像佳學基因那樣通過分子生物學、分子病理學、分子葯理學的最新科技建立《人的基因序列變化與人體疾病表徵》資料庫，再加上臨床樣本的收集、優化和調整，可以對人任何一種疾病找到基因的原因，譽辯扒對任何一種基因序列預測人體灶弊可能出現的慶昌疾病和能力變化。通過佳學基因大數據分析可以進行人的天賦基因解碼、人的健康成長呵護基因解碼、致病基因鑒定基因解碼、用葯指導基因解碼、婚戀咨詢基因解碼和完美寶貝基因解碼。

『貳』 數字醫療的優勢是什麼

數字醫療不僅僅是數字醫療設備的簡單集合，而是將現代計算機技術和信息技術應用於整個醫療過程的新型現代醫療方式。專家預測，數字醫療將在2021年繼續發展，迎來新的發展浪潮，給醫療領域帶來前所未有的變化。根據互聯網醫院的數量和數字醫療的查詢數量，微醫已經成為中國最大的數字醫療服務平台，占市場的15.5%。在此，筆者從數字醫療產業的發展現狀、發展歷程、企業現狀、產業價值和發展困境等方面進行梳理和思考。

以上就是小編針對問題做得詳細解讀，希望對大家有所幫助，如果還有什麼問題可以在評論區給我留言，大家可以多多和我評論，如果哪裡有不對的地方，大家也可以多多和我互動交流，如果大家喜歡作者，大家也可以關注我哦，您的點贊是對我最大的幫助，謝謝大家了。

『叄』 大數據在醫學領域有什麼應用

1、健康監測

大數據技術可以提供居民的健康檔案，包括全部診療信息、體檢信息，這些信息可以為患病居民提供更有針對性的治療方案。並且通過智能手錶等可穿戴設備，隨時帶著，可以實時匯報病人的健康情況。應用於數百萬人及其各種疾病的預測和分析，並且在未來的臨床試驗將不再局限於小樣本，而是包括所有人。

2、數據電子化管理

患者的影像數據，病歷數據、檢驗檢查結果、診療費用等各種數據錄入大數據系統，統一管理起來，每位醫生都能夠在系統中查到病人的詳細資料以及變更記錄。而無需再通過耗時的紙質工作來完成，這對於大夫更好地把握疾病的診斷和治療十分重要。

3、醫療科研

在醫療科研領域，運用大數據技術對各種數據進行篩選、分析，可以為科研工作提供強有力的數據分析支持。例如健康危險因素分析的科研中，利用大數據技術可以在系統全面地收集健康危險因素數據，包括環境因素，生物因素，經濟社會因素，個人行為和心理因素，醫療衛生服務因素，以及人類生物遺傳因素等的基礎上，進行比對關聯分析，針對不同區域、家族進行評估和遴選，研究某些疾病發病的家族性、地區區域分布性等特性。

『肆』 大數據分析在疾病與健康研究方面的應用

大數據分析在疾病與健康研究方面的應用

大數據分析技術將在以上方面發揮著特殊的作用。

一、疾病與健康研究

在疾病與健康研究方面，我們可將其分為三個子方面：健康研究、亞健康研究和疾病研究。

1、健康研究

中國是地域遼闊的多民族國家，不同地區不同種群的人的基因和健康指標有所不同，同一地區同一種群的人在不同的性別和年齡上健康標准也有差異。深入研究和分析上述人群的健康規律，對衛生保健、健康促進、疾病預防和治療有著重大的指導意義。例如：
1.1 對體檢數據分析和挖掘，得出不同地區、不同人群的健康差異，以確定精確的不同人群的健康標准，針對不同人群制定適宜的防病，治病方法以及預後標准，並量身打造個性化，地區化的健康評估模型。

1.2 在制定不同地區不同人群的參考值時,可進一步分析健康指標在不同性別、年齡和季節的差別，以及權重比，從而完善適合於國人全面的系統化的更科學的健康參考值。

1.3 人體存在的內在平衡，使得各個可觀察數據間有其特有的規律，基於經驗只能發現簡單的規律如鈣、磷常數等，使應用數據挖掘等大數據分析技術可以主動發現復雜的系統性的人體醫學規律，大幅提升防病，治病以及預後推測的技術水平，並且也對亞健康有個更科學的判斷依據，以及了解健康到亞健康的逐漸失衡的過程。

1.4 對孕婦在孕產期、產後及新生兒的健康數據進行深入分析，研究孕產婦和新生兒的健康規律，開發對孕產婦和新生兒的健康評價和因素的評估模型，給出更科學的孕產婦和新生兒保健的指導。

1.5 對兒童成長的體檢數據分析和挖掘，研究兒童的健康規律，開發對兒童成長的評價和因素的評估模型，分別適應中國遼闊的地域和眾多的人群，給出更科學的兒童成長發育指導。

1.6 對老年人的健康數據分析和研究，研究老年人的健康特點，開發對老年人健康的評價和因素的評估模型，給出更科學的老年人養生的指導。

1.7 對健康人的精神和心理數據進行深入分析，制定健康人的精神和心理參考標准，開發對健康精神和心理的評價和影響因素的評估模型，給出更科學的精神和心理衛生方面的保健指導。

2、亞健康研究

世界衛生組織將機體無器質性病變，但是有一些功能改變的狀態稱為「第三狀態」，也稱為「亞健康狀態」，主要包括：功能性改變，而不是器質性病變；體征改變，但現有醫學技術不能發現病理改變；生命質量差，長期處於低健康水平；慢性疾病伴隨的病變部位之外的不健康體征。

對亞健康進行深入分析與研究對保持健康狀態，預防和糾正亞健康狀態以及對疾病的預防和治療都有十分重要的意義。例如：

2.1 研究亞健康與疾病間的相互關系。研究各種可觀察指標（體檢數據）在亞健康中的權重，以及在不同地區、人群中的分布。應用時間序列，線性/非線性回歸研究亞健康觀察指標之間的關聯性。通過亞健康體檢數據挖掘，分析導致疾病的影響因素，建立評估模型來預測危險度，並進一步建立疾病的預測模型。

2.2 研究亞健康與健康間的相互關系。通過對體檢人群的地區、職業、年齡等因素的分析，研究最新的健康和亞健康的人群分布。不同的人群地區環境不同,生活習慣不同,加入亞健康醫學指標以外的相關外部數據（如職業、飲食、習慣、性格、愛好等）後,可發現綜合因素對亞健康的影響，以及這些因素的各自權重，及相關關系，從而探究出亞健康的原因，對預防和治療亞健康起著指導作用。

2.3 研究亞健康治療和預後的研究。通過對亞健康治療和預後的數據分析，評價治療效果，評估最佳治療方案，進一步開展對專科亞健康治療和預後的研究，同時研究其與疾病的關系。

2.4 對精神和心理亞健康的研究。如對常見的精神亞健康狀態：如神經衰弱、抑鬱、焦慮和強迫等症狀，進行數據歸納整理、分析挖掘，從而導出精神和心理亞健康的新知識發現，探究出精神疾病的原因，對預防和治療精神疾病起著指導作用。

2.5 將住院和社區健康管理數據相結合，進行因素權重分析和多因素的特性抽取，最後形成模型指導治療。最理想的情況是個體化評估模型,為每個病人建立專用預測模型。

3、疾病研究

中國面臨的嚴重危害人民健康的疾病包括：

傳染性疾病，如結核病、艾滋病、SARS、禽流感、甲型H1N1流感等；

慢性非傳染性疾病，如惡性腫瘤、腦血管病、心臟病、糖尿病等；

精神和心理疾病；

小兒出生缺陷。

對患有各種疾病的病人的醫學數據及相關數據的研究分析，對各種疾病的預防和治療都有十分重要的價值。例如：

3.1 對傳染性疾病，如結核病、艾滋病、SARS、禽流感、甲型H1N1流感等疾病的研究。應用數據挖掘技術對傳染性疾病的數據進行分析，找出傳染性疾病的發病規律，揭示傳染性疾病的病因，進一步摸索出傳染性疾病的變異規律，建立傳染性疾病的預測模型。

3.2 對慢性非傳染性疾病，如惡性腫瘤、腦血管病、心臟病、糖尿病等疾病的研究。應用數據倉庫技術和數據挖掘技術對慢性常見病的數據進行分析，找出慢性常見病的發病規律，探索慢性常見病的病因，進一步摸索出慢性常見病的並發症規律，科學評估各種治療方案的療效，建立慢性常見病的預測模型。

3.3 對精神和心理疾病的研究。應用數據倉庫技術、數據挖掘技術和數理統計技術對精神和心理疾病的數據進行分析，從廣泛的多變數集中找出影響精神和心理疾病的主要因素，在遺傳學、後天影響和病理學等多方面探索精神和心理疾病的病因，科學評估各種治療方案的療效，建立精神和心理疾病的預測模型。

3.4 對小兒出生缺陷的研究。應用大數據分析技術對兒童出生缺陷的數據進行分析，從廣泛的大變數集中找出影響兒童出生缺陷的主要因素，在環境、遺傳學、病理學等多方面探索兒童出生缺陷的病因，建立兒童出生缺陷的預測模型。

3.5 針對門診和住院病人數據在線分析統計學差異，尋找陽性案例，為研究提供素材，並為科研的預實驗提供思路和准備。對住院數據進行多維度分析和挖掘，橫向達到單病種的水平，縱向包括所有可觀測數據，所收集來的知識有很大可能會啟發醫學專家有新發現。

3.6不同 治療手段和治療效果的在線分析。結合收集來的大量資料全面分析，盡量提前全面的了解治療的臨床效果。

3.7 葯品治療效果在線分析，治療效果、副作用、對其他疾病的效果評估。結合收集來的大量資料全面分析，盡量提前全面的了解新葯和老葯。目前的葯品不良反應主要靠醫生的通報，對醫生的職業素養和敏感有很大的依賴，而使用數據挖掘及資料庫中的知識發現，可以極大限度地改進這項工作。

二、環境與健康研究

環境因素對健康造成的損害較其他健康損害復雜，是微量、慢性、長期和不可逆轉的。環境健康影響與公眾利益息息相關，環境健康損害如得不到妥善處理還將轉化為社會、經濟問題。環境與公共健康研究以人類生態系統可持續發展研究為基礎，關懷人類現在和未來的健康與安全，從環境研究途徑關注社會、經濟活動對人類生理和心理的健康影響，探索環境變遷對人民健康造成危害的預防和治理措施。

應用大數據分析技術對環境健康的研究，主要包括發現案例、發病機理和臨床治療研究，預防和治理各類環境流行病在污染源以及污染途徑控制的研究等。例如：
1. 應用大數據分析技術研究環境因素對健康的影響，實行 一體化的環境和健康監測，並在全國實現數據共享。

2. 應用大數據分析技術研究環境污染對兒童的影響，以解決環境對兒童所造成的不健康和疾病迅速增長的問題，從而給予兒童特殊注意的環境和健康指導。

3. 應用大數據分析技術開展職業病和職業多發病的預防預測。對於各種職業的發病分布和嚴重程度，以及對職業病的深入分析。不僅包括傳統意義的職業病，也包括不同職業的不同的疾病分布和在病因中的權重。另外,還可以分析不同職業的暴露特點進而對病因進行研究。

4. 應用大數據分析技術開展對空氣污染顯著提高城市人群呼吸道和過敏性疾病的發生 率的研究。

5. 應用大數據分析技術開展雜訊污染損害兒童的聽力和干擾他們的學習能力的研究。

6. 應用大數據分析技術開展快餐業的發展使肥胖病發病率不斷增長的研究，尤其是不合理的營養對兒童健康的影響。

7. 應用大數據分析技術開展對轉基因生物技術的應用對自然界生物和人類基因的潛在影響的研究。

三、醫葯生物技術與健康

生物技術涵蓋生命科學的所有領域，醫葯生物技術是生物技術的重要組成部分。當今人類面臨的人口、食物、健康、環境和資源問題，無不與之緊密相關。醫葯生物技術最鮮明的特點是大量新思想、新技術、新材料、新方法和新產品引入醫學研究和醫療保健之中，如全新的醫學成像技術、基因工程技術、微電子技術、幹細胞工程技術、組織工程技術、納米技術、生物晶元技術、克隆技術、酶工程技術、細胞工程技術、發酵工程技術、蛋白質工程技術、生物醫學工程技術、基因組與蛋白質組技術、生物信息技術和中醫葯技術等及其產品，將大大提高疾病預防、診斷、治療和葯物設計研製水平，以及對突發事件（如傳染病和生物恐怖等）的檢測、預防與治療水平。

以大數據分析技術為核心的生物信息技術在由眾多新技術構成的醫葯生物技術中發揮有獨特的作用。例如：

1. 利用生物信息技術進行生物信息的存儲與獲取。

2. 利用生物信息技術開展基因的序列對比、測序和拼接。

3. 利用生物信息技術進開展基因預測。

4. 利用生物信息技術進行生物進化與系統發育分析。

5. 利用生物信息技術進行蛋白質結構預測和RAN結構預測。

6. 利用生物信息技術進行分子設計和葯物設計。

7. 利用生物信息技術進行腫瘤分類及遺傳學分析。

8. 利用生物信息技術開展在生物分子層面對精神病的研究及遺傳學分析。

9. 利用生物信息技術開展在生物分子層面對如H1N1等傳染病的研究。

四、衛生宏觀決策支持

衛生宏觀決策支持系統是以數據倉庫為數據中心、以數據挖掘為技術核心、以商務智能為展現工具的綜合衛生信息平台。它可以建立在各級別衛生系統上，如醫院、地區衛生系統、全國衛生系統，為各級衛生部門提供智能決策系統，深入了解衛生系統的歷史和現在，把握衛生系統業務發展的未來，評估衛生系統內部各部門的業務效績，幫助各級決策者提供最佳實施方案，給決策者一雙慧眼，清晰認知系統內各方面變化趨勢和業務得失，使對系統各部門的評價、考核、獎勵更加科學、公正、客觀，使系統內各級關系更加和諧，積極發揮各部門的潛能，提高系統的整體業務水平和經濟效益。使用商務智能輔助決策，可以提供各種有價值的信息，各種事件的關聯，以及不同於微觀的角度分析各種衛生信息，如預防接種基本數據，傳染病報告等等。

以上是小編為大家分享的關於 大數據分析在疾病與健康研究方面的應用的相關內容，更多信息可以關注環球青藤分享更多干貨

『伍』 大數據和人工智慧技術在健康產業有哪些具體應用請舉例說明，謝謝！

大健康產業順應了中國經濟轉型升級、綠色發展的趨勢，全球醫療健康產業投融資金額最多集中在2021年，全年達到6846.03億元，投融資數量最多在2019年，達2044起。大數據和人工智慧技術賦能多個大健康產業領域，包括公共衛生大數據、疾病快速診斷、遠程醫療、識別診斷、葯物研發、康復治療等

在數字健康產業供應鏈，智慧眼一方面「深挖洞」，縱向深耕數字健康產業，形成自主可控、安全可靠的AI核心技術；另一方面是「廣積糧」，橫向擴展健康產業多元化市場應用場景，幫助政府、醫院、群眾乃至整個產業界激發數字化力量。

AI+社會保障
基於大數據＋人臉識別技術的養臘滑老金待遇資格認證系統應用於全國社保二十餘個省份的省級平台，解決了養老金防冒領的世界難題，保障社保基金安全，穩定社會大局。

AI+醫療保障
基於大數據+生物識別技術的醫保智能場景監控系統已應用於全國近二十個省級醫保平台，實現了門診、住院、購葯、血透、健康理療等場景的智能監控，防範醫保欺詐騙保行為，確保醫保基金安全。

AI+血透管理
遵循醫院血液透析中心臨床業務流程，從患者管理、透析日程准備、患者治療排班、臨床輔助決策等不同環節對血液透析治療進行智能管理和監控。以患者為核心，從根本上改變診療信息的採集處理、分析查詢和傳輸方式，為醫護人員提供智能化工作方式，輔助醫生制定更加人性、優質的治療決策，提高科室工作質量和院內服務水平，提升患者滿意度，做到醫療行為溯源全記錄，保障醫療質量和醫療安全。

AI+慢病管理
依託智慧眼雲慢病管理系搜瞎統，門診慢病患者可在就診醫生處便捷化生成健康管理檔案，通過機器學習和醫學知識圖譜資料庫，智能化形成疾病管理目標，幫助醫生快速掌握患者信息，指導開葯和開展疾病管理，形成以患者為中心的數字化病程管理體系，實現診前導診、疾病預判，診後用葯提醒等閉環服務，助力醫療健康行業的持續發展。

AI+健康鄉村
以健康鄉村綜合服務平台&智能終端為載體，將大醫院的優質資源通過平台與基層衛生室進行互聯，提高基層衛生室的首診能力和水平，幫助基層的醫生在診斷方面有更大的把握和信心，讓村民「足不出村」就能享受到便捷的健康服務，助力國輪漏臘家鄉村振興戰略落地。

『陸』 大數據能給醫療帶來哪些改變_大數據在醫療方面的作用

如慧遲今是大數據時代，前景自然好了，據前瞻產業研究院《2016-2021年中國行業大數據市場發展前景預測與投資戰略規劃分析報告》顯示，總的來說，醫療大數據應用主要體現在臨床操作、研發、新的商業模式、付款/定價、公眾健康五大領域，在這孫碧基些場景中，大數據的分析和應用都將發揮巨大的作用。

醫療大數據的應用對於臨床醫學研究、科學管理和醫療服務模式轉型發展都具有重要意義，而大數據技術的運用前景是十分光明的。

醫院和醫療行業面臨的大數據主要有醫學影像、視頻(教學、監控)及文獻等非結構化數據。由於這些數據增長很快且結構復雜，給數據管理和利用帶來較大的壓力，存儲與管理成本不斷提高，數據利用困難、利用率低。除了數據數量和形態的迅速增加，醫療數據還需要越來越長的保留期。一旦存儲系統的安全性出現問題，導致醫療數據丟失，醫院會面臨嚴重不良局面。醫療大數據的應用要保證數據的全面性、准確性、實時性和使用的便捷性，要能快速運算和快速展現，要與日常工作平台緊密結合。

國人已經把健康大數據上升為國家戰略，而面對「大數據」的挑戰，醫院必須考慮三大主要問題。

(1)數據存儲是否安全可靠?因為系統一旦出現故障，首先考驗的就是數據的存儲、災備和恢復能力。如果數據不能迅速恢復，而且恢復不能到斷點，則將對醫院的業務、患者滿意度構成直接損害。

(2)如何提高醫院運行和服務的效率?提高效率就是節省醫生的時間，從而緩解醫療資源的緊張狀況，在一定程度上可以幫助解決「看病難」的問題。

(3)如何控制大數據的成本?存儲架構是否合理，不僅影響醫院IT系統的成本，而且關乎醫院的運營成本，醫療數據激增，使醫院普遍存在著較大的存儲擴容壓力。如今，醫院的存儲設備大多是由不同廠商構成的完全異構的存儲系統。這些不同的存儲設備利用各自不同的軟體工具來進行控制和管理，這樣就增加了整個系統的復雜性，使管理成本非常高。

未來，大數據必將影響醫療行業，未來醫療行業的大數據將會具體應用在：臨床輔助決策，則謹醫療質量監管，疾病預測模型，臨床實驗分析。其發展空間有：個人健康門戶，慢病管理和健康管理，電子病歷和臨床質量監控，醫學知識管理，臨床路徑和循證醫學，遠程醫療和移動醫療，醫學研究數據倉庫和共享平台，跨醫療機構協作平台。

『柒』 大數據技術應用在醫療行業的哪些方面

【導讀】大數據技術可以說目前已經應用到了各行各業中，對於各行各業都是有很大的幫助和促進作用的，在醫療行業，能夠促進醫學研究，幫助改善我們的生活質量，有效促進相關疾病的治療等等，那麼大數據技術應用在醫療行業的哪些方面呢?下面我們就來一起了解一下。

1、新型冠狀病毒大數據搜索報告

該數據有可能更好地預測各種情況和當前公共衛生問題引起的區域性暴發疫情的情況。反過來，醫療服務提供者能夠採取適當的預防措施，並分配必要的資源，以應對與健康有關的特定疾病的區域性升級。

2、區域醫療保健監控

可以將數據用於預測醫學研究，從而有助於預防可能的疾病傳播。例如，通過跟蹤他們搜索的醫療問題來了解患者人群及其醫療保健需求以及跟蹤他們在醫療站點上提供的信息，這些都是促進預防保健和研究的方法。

3、打擊性傳播疾病

如果及時報告，則可以治療性傳播疾病(STD)和性傳播感染(STI)。但是，諸如缺乏性教育等問題通常會導致症狀不受控制。大數據可以利用本地經驗，並幫助科技公司和醫療保健提供商填補信息空白並傳播對性健康的認識。

4、機器人護士

如今，在醫學研究和發展中使用大數據至關重要。人工智慧和機器學習正在引領醫學數據的收集，新葯療法的發現以及患者預後的改善。通過實時分析公共衛生問題，大數據可以促進多個領域的醫學研究，改善患者護理並防止致命疾病的傳播。

5、改善醫療保健支持系統

醫療技術的主要進步之一是醫療保健機器人技術，預計到2021年其收入將增長到28億美元。醫療保健機器人技術包括外科機器人培訓，機器人護士，智能假肢和仿生學等專業，以及治療，葯丸，遠程呈現和後勤方面的幫助。使用大數據驅動的機器人技術有可能極大地改善醫療保健支持的質量，這已經通過少數著名的機器人護士(如Robot
Dinsow)看到，它可以監控患者並提醒他們用葯;Paro機器人可以提醒護理人員。

關於大數據技術在醫療行業應用，就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於大數據工程師相關內容，可以點擊本站的其他文章進行學習。

『捌』 大數據應用潛力，醫療大數據的實踐又有哪些

現在的時代可以成為大數據時代。大數據時代的下的我們能更好地生活，與此同時，我們的生活方式也被大數據改變。數據基本上能跟任何行業進行互動，也可以說數據對每個領域來說都起到了推動性的作用，因為在數據驅動之下，各類領域就會根絕要求去改善自身的服務，提高產品的質量，這樣就能更好地滿足客戶的需求。大數據在醫療領域的應用也是很明顯。

雖然說大數據是一個數據的收集，對於個體還是不太具有針對性的。但是，大數據對我們的生活真的是起到了一個積極的作用。不過，即使醫療手段再先進，我們還是要保護好身體，不要生病。

『玖』 大數據在醫療行業的應用有哪些

大數據專業屬於交叉學科：以統計學、數學、計算機為三大支撐性學科；生物、醫學、環境科學、經濟學、社會學、管理學為應用拓展性學科。所以大數據在眾多行業都有應用，下面說說其在醫療領域的應用。
隨著互聯網規模不斷的擴大，大數據正在改變著這個時代的絕大一部分的行業或者企業，醫療行業也不例外，醫療健康正在成為人們關注的重點問題，以智能化、數字化為特徵的醫療信息化正在蓬勃興起，醫療行業的數據類型也在向海量、復雜、多樣的類型方式轉變。
1.就醫數據進行電子化管理
對電子醫療記錄的收集，包括個人病史、家族病史、過敏症以及所有醫療檢測結果等。在信息系統中進行分享，每一個醫生都能夠在系統中添加或變更記錄，而無需再通過耗時的紙質工作來完成。這些記錄同時也能幫助病人掌握自己的用葯情況，同時也是醫學研究的重要數據參考。
2.健康預測
通過智能手錶等可穿戴設備的數據，建立健康預測模型，通過這些可穿戴設備持續不斷地收集健康數據並存儲在雲端，實時匯報病人的健康狀況。應用於數百萬人及其各種疾病的預測和分析，並且在未來的臨床試驗將不再局限於小樣本，而是包括所有人。
3.醫學影像以及臨床診斷
通過讓大數據機器人來識別記住各類海量的醫學影像，例如X射線、核磁共振成像、超聲波……等各種的圖像。對大量病歷進行深度挖掘與學習，訓練其對影片的診斷，最終實現輔助醫生進行臨床決策，規范診療路徑，提高醫生的工作效率。
4.葯品研發
利用大數據進行數據建模並進行分析，預測葯物的臨床結果，可以為臨床階段的實驗結果提供參考，節省臨床階段的時間並優化臨床實驗結果。制葯公司也可以通過數據建模進行分析，從而生產出治療成功率更高的葯品並極大地縮短葯品從研發到投入市場的時間。

『拾』 大數據醫療具體是指什麼

醫療大數據是個很寬泛的概念，他有很多詳細的分類，包括：電子病歷數據，這是患者就醫過程中所產生的數據，包括患者基本信息、疾病主訴、檢驗數據、影像數據、診斷數據、治療數據等，這類數據一般產生及存儲在醫療機構的電子病歷中，這也是醫療數據最主要的產生地。電子化的醫療病歷方便了病歷的存儲和傳輸，但是並未達到進行數據分析的要求。大約80%的醫療數據是自由文本構成的非結構化數據，其中不僅包括大段的文字描述，也包括包含非統一文字的表格欄位。通過醫學自然語言理解技術，將非結構化醫療數據轉化為適合計算機分析的結構化形式是醫療大數據分析的基礎。電子病歷中所採集的數據是數據量最多、最有價值的醫療數據。通過和臨床信息系統的整合，內容涵蓋了醫院內的方方面面的臨床數據集。在電子病歷的互通互聯上，出於各自的利益性（限制病人轉診），各大電子病歷企業也不願意使數據互通互聯。根據美國政府相關報告顯示，其電子病歷共享比例也僅為30%左右。
檢驗數據
醫院檢驗機構產生了大量患者的診斷、檢測數據，也有大量存在的第三方醫學檢驗中心也在產生數據。檢驗數據是醫療臨床子系統中的一個細分小類，但是可以通過檢驗數據直接患者的疾病發展和變化。目前臨床檢驗設備得到迅速發展，通過LIS 系統對檢驗數據進行收集，可以對疾病的早發現早診斷和正確診斷做出貢獻。
影像數據
隨著資料庫技術和計算機通訊技術的發展，數字化影像傳輸和電子膠片應運而生。醫療影像數據是通過影像成像設備和影像信息化系統產生的，醫院影像科和第三方獨立影像中心存儲了大量的數字化影像數據。醫學影像大數據，是由DR、CT、MR 等醫學影像設備產生所產生並存儲在PACS 系統內的大規模、高增速、多結構、高價值和真實准確的影像數據集合。與檢驗信息系統（LIS）大數據和電子病歷（EMR）等同屬於醫療大數據的核心范疇。醫學影像數據量非常龐大，影像數據增速快，標准化程度高。影像數據和臨床其他數據比較起來，它的標准化、格式化、統一性是最好的，價值開發也最早。
費用數據
醫院門診費用、住院費用、單病種費用、醫保費用、檢查和化驗收入、衛生材料收入、診療費用、管理費用率、資產負債率等和經濟相關的數據。除了醫療服務的收入費用之外，還包含醫院所提供醫療服務的成本數據，包含葯品、器械、衛生人員工資等成本數據。在DRGs 按疾病診斷相關組付費模式中，需要詳細的成本數據核算。通過大樣本量的測算，建立病種標准成本，加強病種成本核算和精細化成本管理。
基因測序數據
基因檢測技術通過基因組信息以及相關數據系統，預測罹患多種疾病的可能性。基因測序會產大量的個人遺傳基因數據，一次全面的基因測序，產生的個人數據則達到300GB。一家基因測序企業每月產生的數據量可以達到數百TB 甚至1PB。
智能穿戴數據
各種智能可穿戴設備的出現，使得血壓、心率、體重、體脂、血糖、心電圖等健康體征數據的監測都變成可能，患者的單一體征健康數據以及運動數據快速上傳到雲端，而且數據的採集頻率和分析速度大大提升。除了生命體征之外，還有其他智能設備收集的健康行為數據，比如每天的卡路里攝入量、喝水量、步行數、運動時間、睡眠時間等等。智能穿戴設備雖然在這兩年遇冷，用戶很難形成粘性，但是並不意味著智能穿戴設備所產生的數據沒有意義。提供健康數據和服務，可能是智能穿戴廠商未來的轉型之路。健康大數據的收集必須依靠硬體載體，智能穿戴設備還將會遇到自己的第二春。
體檢數據
體檢數據是體檢機構所產生的健康人群的身高、體重、檢驗和影像等數據。這部分數據來自醫院或者第三體檢機構，大部分是健康人群的體征數據。隨著亞健康人群、慢病患者的增加，越來越多的體檢者除了想從體檢報告中了解自己的健康狀況，還想從體檢結果中獲得精準的健康風險評估，以及如何進行健康、慢病管理。
移動問診數據
通過移動設備端或者PC 端連接到互聯網醫療機構，產生的輕問診數據和行為數據。曾經通過互聯網問診企業春雨醫生的數據，分析各地醫生互聯網問診的活躍度、細分疾病種的問診行為。通過這些數據的分析，對行業發展、互聯網問診企業的決策有非常重要的幫助。