隨著低成本傳感器的增長超過預期，計算機在醫療領域正在產生前所未有的數據量。這其中，有的被用于研究目的，比如兒科醫生監測哮喘背后的環境誘發因素。也有的將其用于個人消費領域，比如對心率和血壓的監測。而大數據醫療在其中最主要的作用是提高患者的醫療效果并壓低醫療成本。

[[153079]]

今年十月底，IEEE（電氣與電子工程師協會）將在加利福尼亞州圣克拉拉市舉辦20​​15年國際大數據會議，研究大數據在醫療IT領域的潛力。大會有2個分論壇，其一標題為“從大數據在醫療保健中獲得價值，”將作為跨學科論壇，數據科學家和臨床研究人員交流思想和分享信息的平臺。另一個被稱為“挖掘大數據，以提高臨床療效”，其目標是匯集研究人員在大數據挖掘和醫療保健的交叉與合作，分享和相互學習。

基于對大數據的應用早期的成功分析，麥肯錫估計大數據幫助醫療領域節省12％至17％的醫療費用。外推至2013年用于醫療保健的費用約為2.9萬億美元，也就是說相當在3480億到 4930億美元的成本降低。要知道在2013年實現這些收益并不容易。在2015年2月數字成像期刊中，研究人員在美國馬里蘭州的巴爾的摩大學講述了他們是如何利用全國肺癌篩查試驗中獲得應用于日常肺癌篩查臨床決策支持工具的數據。病人的人口統計資料和NLST科目肺結節的特性轉化成結構化查詢語言表，并上傳到Web服務器，提供用于研究人員實時查詢的數據庫。

其結果簡直讓人難以置信的。通過把試驗結果轉換成一個方便的參考數據庫，從而使個別病人通過和數據庫的匹配而得到其病情的客觀評估。

以吸煙者為例，通過數據匹配，然后在患者吸煙史、年齡、和地理位置的上下文中計算結果中篩選出個體結節是良性還是惡性，通過大量的數據對比可以給出更有參考意義的結果。

去年春天，在SIIM年會上，美國馬里蘭大學的阿瓊夏爾馬博士列舉了通過數據篩選實驗來預測前列腺、肺、結腸直腸和卵巢癌等疾病。夏爾馬描述一個基于Web的應用程序，可以從PLCO審判過程中匹配患者信息，借助病人人口統計和個人風險因素評估篩選得到結果。

成千上萬的美元通常用于治療個別癌癥的醫學或者放射治療管理等。在此背景下，麥肯錫估計通過利用大數據，可以節省數千億美元似乎不那么古怪。

慢性疾病和常見疾病的數據通常由政府和私人公司研究挖掘，目前大都可以在美國疾病控制和預防搜集的數據中得到。而大數據在醫療方面最大的潛力，是正在興建中的電子健康檔案數據。這些數據的絕大多數都沒有使用超出收集他們的醫療保健企業的范圍，大部分甚至沒有用對其潛能進行深度挖掘。顯然，對于未來的臨床決策支持，它們對于改進治療效果會起到非常大的作用。