数据收集方在数据存储、传输、使用中的安全隐患(泄露、损毁、篡改等);获得数据共享的第三方医疗机构在该数据存储、传输、使用中的安全隐患。

02.实时的健康状况告警

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。

另一个例子是血压跟踪器。一旦发现血压达到警戒值，血压仪就会向医生发出告警。医生收到告警后立即提醒患者及时治疗。

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。

网络安全隐患

可穿戴设备是物联网中一个小小的组成部分。除了名字、身份证、电话等个人信息，我们的身体健康状况也要“上云”、受监控啦。

尽管健康数据的收集对于疾病的及时发现具有重要意义，但是如果不加以保护，数据一旦被不法分子获取，推及医疗产品的电信干扰、与身体健康关联的电信诈骗、掌握可穿戴设备使用者的物理位置等等负面影响也将接踵而来。

03.根据患者需求预测，安排医护人员“阵容”

医疗资源的按需调配能够极大地降低医疗成本，因此这项工作对全球医疗行业意义非凡。

看似像是不可能完成的任务，但大数据帮助一些“试点”单位实现了这一构想。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。