目前，行业治理、临床科研、公共卫生、管理决策、便民惠民以及产业发展已经成为我国健康医疗大数据的六大核心应用。AI应用以前三者为重点分析对象，聚焦于行业治理的体制改革评估、医院管理和医保控费；临床科研领域的临床决策支持药物研发、精准医疗等方面；公共卫生则在多元化数据检测的基础上构建重大突发事件预警和应急响应体系，同时探索开展个性化健康管理服务。在应用开发方面，IT巨头和数据驱动型创新企业各有特点，除此之外，拥有丰富资源的政府和医疗机构也开始扮演重要的角色。
下面我们阐述医疗大数据的几个AI应用：智能辅助诊疗、影像数据分析与影像智能诊断、合理用药、远程监控、精准医疗、成本与疗效分析、绩效管理、医院控费、医疗质量分析等。
智能辅助诊疗 借助大数据分析挖掘技术，在医院大量疾病临床资料的基础上，将同种疾病不同患者的就诊数据根据体征、环境因素、社会因素、心理因素、经济因素等多个角度划分为不同的组，以选择适合不同组的检查检验类型、治疗方案类型等。当有新的患者来医院就诊时，医生可进入系统，依据该患者的特征数据将其进行分类，然后为其选择个性化的诊疗方案。
影像数据分析与影像智能诊断 影像数据分析与影像智能诊断即借助PACS系统，在尽可能保持图像数据准确性和真实性的条件下，首先利用多维影像融合（CT/MRI/PET-CT）技术等对影像数据进行配准、分割、聚类，经过PACS处理的影像数据，进一步通过人工智能技术进行病灶识别等数据上的挖掘和应用，可有效减少医生的负担，提高医学判断的精准性。 合理用药 合理用药是根据疾病种类、患者状况和药理学理论选择最佳药物及其制剂，制定或调整给药方案，以期安全、有效、经济地预防和治愈疾病。除了执行国家药物政策、规范医疗行为、加强药学服务等措施之外，通过临床合理用药审核、咨询系统来规范临床医师的用药行为也是提高合理用药水平的有效措施。可采用大数据技术，依据患者的病历病史、疾病诊断、医嘱信息、用药信息、过敏信息等进行用药安全警示，如药物禁忌审查、配伍禁忌审查、药物相互作用审查等，及时发现不合理的用药问题。此外，可对医院历史处方数据进行大数据挖掘，分析抗菌药、注射剂、基本药物等占处方药的百分比，检验医院处方开具的不合格率，为规范医疗行为提供数据支持。 远程监控 远程病人监护系统包括家用心脏检测设备、血糖仪、芯片药片等。远程监控系统中包含大量的医疗数据，可从远程监护系统中进行患者相关体征数据的收集，经分析后再将结果反馈至监控设备，围绕体征数据的采集，对相应波动规律进行分析和判断，结合患者的病史资料，确定今后的用药和治疗方案。同时可减少患者的住院时间，缓解医院门、急诊排队拥堵的现象。 精准医疗 大数据分析技术通过收集电子病历系统患者个人的完整临床诊疗记录、同病种相似患者的临床诊疗记录，并结合患者的基因信息，利用生物信息学分析工具、本体、数据挖掘等大数据分析技术，对所收集的数据进行整合分析，以精准查找致病病因，形成精准临床诊断报告，并为患者提供最佳治疗方案，达到治疗效果最大化和副作用最小化的目的。 成本与疗效分析 以生存期和生活质量为临床疗效评价指标，通过比较不同治疗方案之间的健康效果差别和成本差别，从而为包括单病种控费、总额控制等在内的多种支付方式提供支持，实现在有效控制医疗费用的前提下提供最佳的临床诊疗方案。 绩效管理 通过大数据技术对医院床位使用率、财务收支、门/急诊量等医疗绩效指标数据进行分析，提供全方位的、精细化的、个性化的绩效评价体系。以美国为例，为减少再住院率，特地建立了一个模型来评估再住院风险。部分医院依靠这个模型，预测准确性可以达到79%，减少了约30%的再住院病例，为医院和病人节省了大量开支。 医院控费 药品收入占比较大、大型医用设备检查治疗和医用耗材的收入占比增加较快、不合理就医等导致的医疗服务总量增加较快等，均是导致医院医疗费用不合理增长的原因。通过大数据技术测算各病种诊疗过程中的药品、检查、检验、手术、护理、治疗等方面的合理费用及补偿水平，同时针对医疗费用控制的主要监测指标进行数据分析和挖掘，积极控制医院费用的不合理增长，实现医院精细化管理。 医疗质量分析 医疗质量是评价医院医疗服务与管理整体水平最重要的标准，一直以来都是医院管理工作的核心。利用大数据分析技术将医疗质量数据转换为管理人员所需要的指标信息，按照患者特征、历史资料、图表信息等为管理层提供数据支撑和依据，是医疗大数据重要应用的体现。此外，医疗大数据和人工智能在疾病发病趋势预测、健康状况评估、患者需求与行为分析、心电数据分析与心电智能诊断方面的应用也将越来越广泛。
