就像手术中涉及的复杂性一样，医疗保健数据的格式和来源比较复杂，以至于需要一种有效方法在瞬息万变的监管环境中处理来自不同来源的结构化和非结构化数据。
随着技术的发展，从监视器和传感器等电子设备通过患者生成的信息将成为更多的医疗数据来源，医疗服务交付组织(HDO)承受着降低运营和存储成本的巨大压力，为此需要控制不断上升的成本以提高收入和盈利能力，通过合规性改善治理和风险管理，从而改善现金流。
鉴于医疗保健系统的数据过多，数据聚合至关重要。多年来，一些医疗组织一直在分析患者的费用和质量数据。尽管如此，随着医疗保健领域从基于数量的支付转向基于价值的支付，医疗服务交付组织(HDO)需要能够建立关键的数据和分析能力。
一些组织开始与数据聚合商合作，从内部系统和外部合作伙伴(例如，提供者提取保险索赔数据)中提取数据，以便他们可以全面了解患者或人群的数据，从而可以对其进行风险、分层以及定量和定性分析数据。
由于对复杂数据集的理解需求日益增加，支付方和提供者正在迅速安装数据聚合器。该行业正从单纯地查看结构化数据转向整合非结构化数据，这促使组织评估当前的解决方案，并且在许多情况下，使用新技术替换当前的方案。
而这些组织在数据聚合中看到了价值，但是将数据转移到可行的见解中需要开展大量的工作。一般来说，在大数据中注入非结构化数据的需求以及新技术的增长，再加上整个行业对更好地了解患者数据的需求，都将推动显著增长。健康云为医疗保健组织提供了一种经济高效且安全的扩展方式。
信息生命周期管理(ILM)终于开始在医疗服务交付组织(HDO)中以有针对性、实用的方式付诸实践。信息生命周期管理(ILM)过去是通过更好的存储资源管理来控制高昂的存储成本，而现在更多地是要认识到信息的价值会随着时间而变化以及记录系统将如何执行信息生命周期策略。
支付方和提供者依赖于各种分析解决方案来帮助他们了解业务绩效、患者人数和提供者绩效。这些工具可用于追溯性和预测性地进行定性和定量分析。支付方和提供者都在这一领域看到了显著增长，尤其是当组织寻求分析非结构化数据并在预测模型上做更多的事情时。如果实施得当，分析功能可使组织轻松识别护理和绩效方面的差距，并量化风险资金。
与电子健康档案(HER)相比，分析将推动对付款者和提供者采取行动的见解，并帮助推动行业向前发展。
借助数字化技术，患者或客户可以获得全方位的医疗保健数据视图。对于医院和患者来说，这是一个双赢的局面，因为他们希望使用带有医疗应用程序和可穿戴设备的智能手机获得成功。如今，这些设备已经成为患者日常生活的一部分。现在是医疗服务交付组织(HDO)拓展视野、专注于集成和分析，而不是专注于内部系统的时候了。
当医疗服务交付组织(HDO)面临医疗保健领域的客户数量爆炸式增长时，投标数据将帮助医疗服务交付组织(HDO)创造大量机会来提高客户价值和收入。随着数据的增加，无论是提供医疗服务、管理人口还是发现欺诈行为，大数据都将成为关键的成本差异化因素。
新的医疗保健数据动态
医疗保健行业正在从只查看结构化数据转变为整合非结构化数据，这促使很多组织评估当前的解决方案，并且在许多情况下，使用新技术来替换当前的解决方案。一些基础技术正在被Hadoop、MapReduce和HIVE等新系统增强或替代。
通常情况下，在大数据中注入非结构化数据的需求以及新技术的采用，再加上整个行业对更好地了解患者数据的需求，都将推动数据显著增长。
远程医疗技术使用通信技术为远程诊所或家庭环境中的患者提供虚拟护理服务。远程医疗可以扩大医疗服务的范围。其使用案例包括远程监控医院、护理设施(SNF)、住院患者康复设施(IRF)床位;慢性合并症患者群体的家庭健康监控;针对视力问题、皮肤科和其他专业的虚拟访问;以及针对包括肿瘤学、中风、神经学在内的专业的辅助服务。
数字医疗要求医疗专业人员能够立即、直接和自然地访问所有原始格式的数据分析。他们需要采用一些工具，这些工具可以通过整合最新的医学研究，在病床或医生办公室回答特殊问题并根据所有相关数据提供建议。
新的数据定义包括医生笔记、放射科医生报告和医学期刊文章等自由格式文本、电子邮件、CAT扫描等静态图像、视频、录音讲话、患者历史数据、基因组文件、生物特征和其他来自临床研究和药物开发的科学数据。它还包括来自可穿戴设备、医疗设备、呼吸器、血压监测器和其他连接设备的物联网(IoT)数据。此外，来自Facebook和Twitter等各种社交媒体渠道的数据也在增加。
除了驻留在单独的独立系统(EMR、PACS、RTHS、EMPI、LIS和PMS)中的数据之外，所有这些数据也是医疗新数据的一部分。
大数据技术需要收集和管理涉及的大量数据，并从多个可靠的来源再次提供反映最新医学研究的准确答案。大数据和高级分析技术有望解决当今医疗行业面临的一些重大问题。
大数据在医疗保健行业中的作用
大数据和高级分析可以在处理数字医学的同时，改善有关实时医疗系统(RTHS)的患者护理的基本决策。从基于证据的服务向基于价值的转变，到创建有效的以患者为中心的护理，改善临床结果和欺诈检测，以及使用个人和物联网传感器在临床环境外实时持续监测患者，这些都是医疗保健的重要趋势。并且，可以实现对大数据量的实时分析。
Hadoop数据湖和高级分析软件可以为那些缺乏数据洞察力、并且严重依赖其电子健康档案(HER)和数据仓库的组织带来巨大的价值。
企业需要从小处着手并逐步扩展能力，以利用大数据来增强洞察力和决策能力。
结论
数字医疗需要智能集成和整合可用的患者信息和机器数据，包括结构化、半结构化和非结构化的原始格式。对支付方、提供者和患者来说，好消息是，大数据正在医疗保健行业掀起一场革命，在消除欺诈和滥用的同时提供更好的结果。
