從當代形式邏輯分析醫療行業中的大資料運用論文
大資料技術，或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。
大資料在生物醫學領域也有及其重要的應用價值。生物醫學的大資料主要來源於醫療活動、健康體檢、公共衛生等醫療衛生服務中，大資料對提高醫療行業效率的作用是不可忽視的，透過對資料來源的大規模整合分析，大資料的大容量對於疾病研究、醫療資料處理等方面都能做出很大的貢獻。醫學的興起，醫學領域與大資料相輔相成，將是大資料在健康領域的終極運用。
儘管在生物醫學領域，國內還處於資料原始積累階段，資料內容龐雜，且大部分處於歸檔狀態，想要快速檢索十分複雜。然而，大資料在人們對疾病的預防與研究模式上已經開始產生巨大的影響。因此，如何透過多樣和變化的資料格式改善大量資料的獲取速度，並將其應用到生物醫學領域，真正實現醫療大資料的應用是醫療行業亟待解決的問題。
一、在大資料下，疾病控制可以做到以下幾點:
1.提前確定一定規模的未知疾病，為疫情控制爭取時間。大資料可以做到一件事，透過醫院的共享資訊以及百度監控指定地區的使用者的頻繁搜尋關鍵詞，可以檢測到某個地區已經出現了諸如不明原因的肺炎，某地餐館讓多少人出現嘔吐腹瀉等異常狀況。然後再透過與疾病控制中心的病毒庫中的病毒分析，尋找吻合的病毒，進行比對分析然後將其找出，為判斷疾病贏取時間。
2.判斷人員流向，控制疫情。在疫情發生後，雖然國家可以第一時間控制住當地疫情，但是人員流動則是無法控制的。現在可以透過利用百度的技術實現。
3.治療藥物和疫苗的迅速研發。在病人的治療中，所有藥物的.使用資料以及使用者的病情資料都將全部聯網，當機器檢測到發現某種藥物對病人的病情有部分效果後，將會迅速納入研發的決策範圍，為研發部門提供有用參考，為研發對抗疫情的藥物以及預防疫情的疫苗，提供全網的大資料的支援。
4.傳播動力學模型建立。現在擁有了大資料的全面監控，疾控中心有了更多的實踐支援，就可以開始真正從實踐中建立有關疫情的複雜動態網路的傳播動力學。
5.建立全民預警機制。高福院士有個願景，希望未來的大資料疾病預防控制的預警不僅僅只是他們這些坐在辦公室的決策者能夠收到，更希望能夠讓全民享有這樣的福利來保障更多人的安全。
6.大資料疾病預防。谷歌啟動Baseline醫療健康新專案將從175人那裡匿名蒐集基因和分子資訊，之後還會再蒐集數千人的相關資料。該專案並不侷限於具體的疾病，而是會使用各種全新的診斷工具蒐集成百上千的不同樣本。之後，谷歌便會利用其龐大的計算能力來尋找這些資訊中隱藏的“生物標籤”，從而幫助醫療研究人員提前發現疾病。該研究可能會發現一些能夠幫助人們分解高脂肪食物的生物標籤。擁有這些生物標籤的人，可以將患上高膽固醇和心臟病的時間延後，沒有這類生物標籤的人則會更早患上心臟病。一旦Baseline發現了這一標籤後，研究人員便可透過檢查瞭解哪些人缺乏這類標籤，並幫助他們糾正習慣，或者開發出新的治療方法，幫助其更好地分解高脂肪食物。
在疾病的研究治療中，以癌症為例，大資料的應用已被全面拓展開來。最新的研究顯示:大資料分別從以下五個方面開展對癌症的研究:
1.協助指導癌症藥物的使用。每天都有成千上萬的患者接受診斷和治療。這意味著其實我們可以從中獲得大量的重要資料，來幫助醫生與病人在面對不同治療方案及其可能的結果時做出更好的選擇。
2.決定每位患者的預後治療。大資料正在藉助分析從大量不同患者蒐集過來的海量資訊，來預測長期結果。例如，醫生可以使用這些資訊來決定哪些患者應該接受進一步治療，哪些患者，由於他們的癌症不太可能復發而避免不必要的治療。
3.幫助藥物開發發掘潛在的新靶點，對大量腫瘤DNA進行測序可以幫助研究人員瞭解一些與癌症相關的基因變化。科學家利用這一點幫助測試潛在的新藥物，這些藥物能靶定到某些與腫瘤生長相關的基因變化或驅動因子。大資料可以從臨床前試驗中獲得，並用來幫助藥物或藥物組合的選擇，以放到人類臨床試驗的研究中。
4.解決大的公共衛生問題。在大資料時代之前，人們發現吸菸是導致絕大多數肺癌的因素。現在，大資料可以幫助解決癌症研究中更大的問題。新時代的流行病學藉助於海量的住院記錄及基因組資料，深入研究不同人群中的不同癌症。
5.允許病人直接參與進來。癌症患者現在可以透過提供基因，醫療記錄及治療效果等資料，直接參與癌症研究。這些資訊用於建立大型的研究資料庫。
二、在臨床操作中，如果充分利用大資料，國家醫療健康開支將大幅減少，並可實現以下幾點:
1.比較研究結果。在大資料充分利用的前提下，透過全面分析病人特徵和療效的資料，可以幫助尋找針對病人的最佳治療途徑。其比較效果研究(CER)已被世界上很多醫療機構開展並取得成功。
2.臨床決策支援。大資料分析技術的應用，可以使醫療工作者從大量的重複簡單諮詢工作中解脫出來，從而提高治療效率。大資料的應用還可以提醒醫生防止潛在的錯誤，臨床中遇到疑難雜症，即使專家也缺乏經驗，做出正確的診斷和治療更加困難，透過臨床決策系統，可以搜尋海量文獻，給出最適宜的診斷和最佳的治療。
3.另外，大資料的應用還能加速醫療資料的透明化;實現對病人遠端監控，實行實時診斷並確定治療方案;對病人檔案進行先進分析等。
大資料分析給醫療行業帶來了新的商業模式，同樣也改善了對公眾健康的監控。醫院中，要解決龐大的醫療資料儲存、分析等問題是一項繁雜的工作。大資料對醫療資料處理也產生積極的作用。2014年1月14日，中南大學向媒體演示了一款面向大資料應用的醫療資料處理原型系統，這也是國內首次將大資料應用和移動醫療技術相結合。此係統建設內容涉及了大部分常見和重要疾病，也包括了醫療技術、臨床藥學、醫療和護理質量及安全等領域的問題。透過未來臨床大資料的挖掘和分析，中南大學將建立國際先進和國內領先的醫療相關資料運營模式，促進智慧醫療、個體化醫療、醫院精細化管理、臨床科研、轉化醫學和基礎醫學的發展，專案可以為衛生行政部門提供決策依據。
病例的儲存為醫學治療的準確性、醫學科研的資料應用提供了很多現實依據。過去由於缺少統一的電子病歷系統(EMR)標準，中國的電子病歷系統發展比較緩慢，醫院之間不能實現共享病患資訊共享，醫療服務水平也因此受到影響。為改善這一現狀，國家會逐漸加大對電子病歷的投入，適應這一趨勢，各級醫院也將加大在資料中心，IT外包等領域的投入資料一直是醫療保健服務中的一部分。在過去的幾年中，議會出臺了相關法案來鼓勵醫療保健服務供應商使用電子病歷，這極大地提高了可供臨床醫生、研究者與病人使用的資料量。
但是，大資料無論應用於哪個行業都不是完全有利的，對於醫療事業同樣也有弊端。例如預測醫學挖掘出的資訊所帶來的風險將超出單一個體，一旦出現差錯，不僅遺傳資訊提供者本人，他的孩子以及未來的後代等擁有與他相似遺傳資訊的人都將會受到牽連。因此，將基因組資料與醫療保健資料相連線的生物資料庫便成為了個人隱私在醫學研究與治療領域中的無法迴避的前沿話題。
事物都具有兩面性，取其精華去其糟粕。利用大資料有利的一面，應從其定位、功能及價值上，幫助形成一個“學習型”醫療保健系統，在此係統內，臨床資料將迅速反饋給患者並指導治療有效進行。醫療大資料能夠帶來的收益要遠遠超出管理它們的成本，如開放新的具有醫療價值的資訊源、提高診斷準確性和速度、預測疾病和健康形態，以及取得生命科學創新的不同見解。總而言之，如果將這一強大的技術利用得恰到好處，將會為未來的國民經濟與公民健康的福社奠定基礎。