01医疗大数据治理
医疗大数据的采集及管理、分析等环节的统称，目的是妥善管理“有用”的数据并从海量数据中挖掘价值。
02医疗大数据采集及管理
目前，医疗数据大多散落在各个系统，碎片化、低质量、孤立分类、类型多样、标准不一，而优质的数据采集手段可以实现异构数据融合及数据的初步清洗，为后续的大数据分析及应用奠定坚实的数据基础。开发合规前提下的数据标准化集成采集平台，可实现数据较高质量的存储和及时调用。
03数据脱敏问题
敏感大数据分类：
进行分类大数据挖掘需要对医疗保险号码等敏感数据进行分类。分类应来自业务词库模型并被传承到不同的数据库中数据的所有物理实例中。
发现敏感数据：
敏感的大数据可能隐蔽在非结构化文本中，大数据挖掘应考虑数据分析工具的利用，以便自动发现非结构化字段的敏感数据。
执行数据隐私：
可以通过使用数据分析工具发现敏感的大数据，以监督对政策的遵从度。
标记敏感数据：
只有在识别到敏感数据的位置时，组织才能执行政策，因此在业务词库中标记敏感数据非常关键。
04大数据应用场景-辅助诊疗
05医疗大数据价值闭环
大数据与机器学习、深度学习等技术和循证医学、影响组学相结合，可以为健康管理等场景提供解决方案;打通底层数据，构建互联互通的数据平台。数据互通可以优化各应用场景的体验，各应用场景产生的数据又可以进一步丰富数据，由此形成一个价值闭环。
06大数据应用场景-管理系统
医院各种数据、信息呈现分散化的状态，分布式地散落于医院内外各系统中，基于大数据整合的医院管理系统可从医院数据、信息分布式管理出发，集合各种异构数据，建立数据信息用户中心等方式，全面提高数据管理水平。
