如今在美國，醫療保健行業是一個產值高達2.6萬億美元的市場。據最近的報道，由于效率低下和成本增加，政府每年至少額外增加了600億-850億美元的醫療開支，對公眾醫療的整體質量產生了不利影響。這些低效率包括醫療服務欺詐和濫用，政府行政效率低下，供應商的低效率，醫院醫療差錯，行業之間缺乏整體的協調服務，非必要的疾病預防和護理。

然而在試圖解決這些挑戰時，政府機構發現他們已被生物醫學信息的浪潮淹沒。對于醫院和連鎖醫療機構，在他們審核其所有的電子記錄需要處理PB級(10的15次方字節)大型數據集，不過這已經不再奇怪。

據奇美醫療分析顧問集團SAS中心格雷厄姆·休斯稱，美國國內醫療保健數據在2011年已達到150艾字節(10的18次方字節)。而5艾字節的數據即可包含有史以來人類的所有單詞。這樣的速度發展下去，數據將很快達到澤字節(10的21次方字節)和10的15次方字節規模。然而，如果管理得當，通過建模和共享，政府機構面臨的“海量數據”也將是改善護理成果和人口醫療健康的關鍵。

麥肯錫全球健康研究所的研究預測，對大型健康數據進行分析可以潛在減少美國醫療保健系統200億-300億美元的成本支出。這意味著，創造性并有效使用大型數據可以減少8%的國家醫療保健支出。

政府機構的集體行動和共同目標對醫療體系產生了很大的影響。政府機構的投資，醫療保險/醫療補助受助人，聯邦和國家工作人員以及現役和退伍軍人影響著醫療開支總和近40%，因此美國政府機構如何管理其存儲的海量醫療數據將是改善公眾健康并降低整體醫療成本，提供更好的優質醫護服務的關鍵。

政府機構需要采取一種全面的方式來使用大數據和醫療信息技術，例如捕捉甚至儲存一小部分數據。為了減少使用大型數據的冗余和不必要的費用，醫療機構可以采用以下一些方法，包括：

避免不必要的使用：醫療保險和醫療補助服務(CMS)和保健研究質量局(AHRQ)都對確保醫療服務的實際質量感興趣。但是現有的有償服務激勵機制實際上驅動產生了更高的費用和較低質量的服務。新的商業模式將實行由財政支持的績效工資制，因此需要大型數據分析工具建立這些模型并對其性能進行分析。

欺詐浪費和濫用：騙取從未提供服務的醫療保險和醫療系統有組織的犯罪團伙是CMS面臨的一個重大的挑戰。新的大數據分析算法需要被部署在CMS數據資料庫，以實時或近實時的監控欺詐行為。

行政費用：低下的行政效率是退伍軍人事務部(VA)，軍隊衛生系統(MHS)，TRICARE以及其他政府贊助商/付款人系統面臨的巨大挑戰。現有的健康記錄和計費系統大大提升了供應商，保險公司及員工的成本。因此可應用大型數據分析行政管理健康記錄，并提高結算流程，減少供應商，納稅人和相關采購的成本。

服務效率低下：VA和MHS的政府作為主要供應商都有意減少巨大由于跨機構造成的服務效能差異甚至醫療服務系統錯誤的診斷和處方。臨床決策支持系統需要廣泛部署，以提高醫療質量，降低醫療差錯。這些系統需要使用人口數據來預測風險和實行個性化護理。

缺乏醫療協作：由于無法實現醫療機構的病歷共享，導致醫療機構增加了額外的成本。目前醫院之間需要有效的信息共享，不僅在各個州和軍隊醫療系統實現醫療記錄的互通，也需要將互聯互通擴展到現有主流的第三方的商業系統。因此醫院需要一個工具以便在不同的電子記錄系統之間實現互通。患者人口數據可用于主動風險預測，使資源可以有效地利用，提高個人護理質量。此外，應該允許患者訪問他們的個人健康檔案，使他們能夠親身參與相關的醫療決策。

疾病預防：疾病控制和預防中心(CDC)中心逐步開始使用海量數據和電子健康檔案，重點放在生物監測和預防疾病的爆發。食品和藥物管理局(FDA)和國立衛生研究院(NIH)研究新的藥品和醫療器械的監督，將重點放在科研和前后期市場前景。政府將確定醫療保健覆蓋整個人口，同時不斷提高自身的醫療管理水平。通常情況下，由于一些可預防的疾病都沒有得到適當的重視，患者并不總清楚自己的行為造成的健康后果。因此醫療專業人員跟蹤并改變患者的不健康行為對于長期的醫療保健服務的改善至關重要。

大型數據庫，如果有效合理利用，可以幫助政府有效的應對各個挑戰。

CSC最近的一份報告表明，企業在跟風新的海量數據策略之前，應重新審視其基本數據為中心的戰略。

報告稱:“大多數機構的數據工作量遠遠超出了他們的預計，但醫療機構需要認識到這些挑戰并克服它們”。“例如，數據規模不斷變化，數據范圍和可用的數據類型正在迅速發展，因此我們需要一個工具來使其正常運轉。醫療機構需要找出自身競爭優勢，以實現更好的掌控數據，醫療企業的管理層需要認識到這種演變。”

報告列出了六點建議，以更好地利用您的數據：

1、數據管理

著手制定大型數據的管理計劃。該報告稱，所有醫療機構應該建立一個明確的數據管理計劃。該計劃應包括該組織計劃如何收集、維護、保護、鑒定數據資產。“數據管理包括數據共享的原則，例如可能的共享方式，何時與誰共享，”報告的內容指出，“許多醫療機構未能盡早解決數據管理，但良好的管理計劃是重要的，因為它設置了政策、標準和使用數據業務的規則。”作者說，最好的做法是設立一個組織內的“特別處理中心”，負責整合整個企業的分析和數據相關事項并參與決策。

2、數據采集

從不同的來源，如患者、家庭監控系統和其他醫療機構進行非結構化或半結構化的數據采集表明新的機遇正在不斷涌現。報告說。“良好的數據采集可確保數據捕獲后可用。”報告指出。“最好的辦法是采用一致的文檔元數據和數據元素的分類。”此外該報告稱，應使用人口領域的醫療代碼。“最后，隱私和安全，患者的病歷應始終得到妥善的雙盲處理。”

3、數據共享

為了最大限度地提高其數據的價值，機構之間需要協作并實現跨供應商和和生命科學社區的數據共享。報告稱，數據共享的一個新趨勢是“虛擬化”——從不同來源或多個機構選定數據源。“數據虛擬化是一種技術，允許多個應用程序和多個用戶同時訪問數據，”報告稱。“這使得整個醫療機構更容易進行分析和報告。”云計算是一種不錯的選擇，報告繼續寫道，因為它允許醫療機構將大量的數據遷移到一個臨時的平臺。“從成本管理的角度來看，它有著很大的吸引力，因為醫療機構只需支付他們所使用的計算資源的云服務供應商，從而避免了服務器大量的資本支出。”

4、數據標準化

該報告稱，醫療機構內部的數據交換互通仍然十分有限，因此醫療機構需要意識到仔細選擇常見數據類型的重要性，因此“來自不同系統的數據可以結合和互相比較。這是一種良好的數據管理方法”。根據該報告稱，“多個機構已率先實現新的解決方案，將來自不同來源的數據轉換成一個標準的結構和語言”，所以它可以更容易地管理和分析，這使研究人員能夠迅速查詢多個數據源，得到更全面的結果。

5、數據集成

數據集成是將內部和外部數據源的數據合并成一個單一的，以患者為中心經優化的數據結構進行分析。“這些數據包括患者統計資料、病程、治療程序、藥品、電子病歷、實驗室診斷和影像診斷結果”。有關業務或財務分析以及行政數據都將被添加到數據結構。

6、分析

分析是“作為數據的最后一個部分”該報告說。“一旦所有其他的結構確立，例如治理標準化，醫療機構就可以使用數據分析工具收集有價值的數據。”數據分析的好處包括改善患者臨床癥狀、提高監控水平、改善患者預后、優化了醫院的財務和經營業績;改進信息安全，預測數據的破壞和損失，防患于未然。