《“健康中国2030”规划纲要》明确将发展健康产业作为“健康中国”建设五大任务之一，并提出将健康产业发展成为国民经济支柱性产业的战略目标：2020年健康服务业总规模达到8万亿，到2030年达到16万亿，全年gdp占比超过10%。
在新基建的七大领域中，作为城市底层基础设施和数字经济的底座，大数据中心的平台化水平和运营能力，将直接决定新基建的整体成效。而医疗，将是验证大数据中心建设成色的一把“放大镜”。
5大应用
医生往往都希望尽可能多地收集病人信息，尽早发现疾病，对于患者来说，不但降低了身体健康受损的风险，同时也能够减少医疗支出。而通过对医疗大数据的分析，人类不但能够预测流行疾病的爆发趋势、避免感染、降低医疗成本等，还能让患者享受到更加便利的服务。
到目前为止，大数据最强大的应用就是电子医疗记录的收集。每一个病人都有自己的电子记录，包括个人病史、家族病史、过敏症以及所有医疗检测结果等。
这些记录通过安全的信息系统(究竟是否安全值得商榷)在不同的医疗机构之间共享。每一个医生都能够在系统中添加或变更记录，而无需再通过耗时的纸质工作来完成。这些记录同时也能帮助病人掌握自己的用药情况，同时也是医学研究的重要数据参考。
医疗业的另一个创新是“可穿戴设备”的应用，这些设备能够实时汇报病人的健康状况。
和医院内部分析医疗数据的软件类似，这些新的分析设备具备同样的功能，但能在医疗机构之外的场所使用，降低了医疗成本，病人在家就能获知自己的健康状况，同时还获得智能设备所提供的治疗建议。
这些可穿戴设备持续不断地收集健康数据并存储在云端。
除了为个体患者提供实时信息以外，这些信息的收集也能被用于分析某个群体的健康状况，并根据地理位置、人口或社会经济水平的不同用于医疗研究。最后在这些前期研究的基础上制定并调整疾病的预防与治疗方案。
装有gps定位的哮喘吸入器就是一个典型的例子，它观察的不仅是单个患者的哮喘，还能从同一区域、多名患者的哮喘规律中找到更好的适合该地区的治疗方案。
可穿戴设备在我们的日常生活中随处可见，计步器、体重跟踪器、睡眠监测仪、家用血压计等都为医疗数据库提供着关键数据。
这个看似不可能完成的任务，已经在大数据的帮助帮助下在一些“试点”单位实现。在法国巴黎，有四家医院通过多个来源的数据预测每家医院每天和每小时的患者数量。
他们采用一种被称为“时间序列分析”的技术，分析过去10年的患者入院记录。这项研究能够帮助研究人员发现患者入院的规律并利用机器学习，找到能够预测未来入院规律的算法。
这项数据最终会提供给医院的管理人员，帮助他们预测接下来15天中所需要的医护人员“阵容”，为患者提供更加“对口”的服务，缩短他们的等待时间，同时也有利于为医护人员尽可能合理地安排工作量。
人工智能技术通过算法和软件，分析复杂的医疗数据，达到近似人类认知的目的。因此ai使得计算机算法能够在没有直接人为输入的情况下预估结论成为可能。
由ai支持的脑机接口可以帮助恢复基本的人类体验，例如因神经系统疾病和神经系统创伤而丧失的说话和沟通功能。
在不使用键盘、显示器或鼠标的情况下，在人类大脑和计算机之间创建直接接口，将大幅提高肌萎缩侧索硬化或中风损伤患者的生活质量。
ai还是新一代放射工具的重要组成部分，通过“虚拟活检”帮助分析整个肿瘤情况，而不再通过一个小小的侵入性活检样本。ai在放射医疗领域的应用能够利用基于图像的算法来表现肿瘤的特性。
在发展中国家，精通放射学、超声波等领域的医护人员非常匮乏。ai能够在一定程度上完成原本需要人类参与的诊断行为，降低实际操作中对一个专业放射科医师的需求。
医学影像包括x射线、核磁共振成像、超声波等，这些都是医疗过程中的关键环节。
放射科医生往往需要单独查看每一个检查结果，不但产生了巨大的工作量，同时也有可能耽误患者的最佳治疗时间。但是大数据却可以有效解决这一问题。
算法所能够研究的图像数量远远超出人类大脑，任何一个放射科医师穷尽一生也不可能与机器的运行速度和强度匹敌。通过构建识别图像中模型的算法，使这些模型能够形成编号系统，帮助医生做出诊断。
