京公网安备 11010802034615号
经营许可证编号:京B2-20210330
智慧穿戴装置带动医疗大数据发展
大数据应用的成熟,一方面是因为网路承载的数位资料数量以惊人的速度成长,加上非结构性资料的分析技术,也有相当程度的突破,而且物联网、智慧穿戴装置等技术及产品的出现,让实体世界的资料蒐集更为迅速且方便,不但加速大数据环境的形成,也让大数据分析的市场需求跟着浮现。
对医疗大数据而言,也是如此。随着光学技术、穿戴装置、机器人及物联网技术的引进,不管是病患使用的智慧穿戴装置、医生使用的医学仪器,都伴随着蒐集资料的功能,配合大数据分析技术,不仅能在病患察觉不到的情境下,就能让医生掌握病患的生理状况,还可能因此发现疾病,甚至在病发之前就能做好预防。
穿戴装置便利性有助医疗大数据的形成
如何让病患在察觉不到的前提下,蒐集各种生理资讯,一直是许多医疗仪器或检测方式致力的目标,一来可以减轻给病患带来的身体负担,同时也可提升病患配合提供生理资讯的意愿。
以测量血糖值为例,通常会要求病患到医疗场所抽血,但对於交通不便或行动不便的病患而言,可能就不见得适用,许多人也因此会选择在家中或附近的诊所,使用可携式血糖机,除了使用便利外,使用的舒适性,也成为病患选择血糖机的主因之一,也让血糖仪已经成为许多人不可或缺的居家医疗产品,尤其是能够达成无痛目标的非侵入式血糖量测技术渐渐成熟,包括红外线、超音波等,更加速病患使用可携式血糖机的意愿。
如日本原子能研究开发机构在四年一度的「日本医学会总会」上,发表一种手掌大小的无创血糖值感测器,用户只需将手指插入形状类似於电脑滑鼠的测量仪内,就能在3秒钟内测出血糖值,让血糖量测变得更加方便,配合无线网路、云端运算等技术的配合,病患可以更轻松地上传资料,连带也让医疗院所可以运用大数据分析技术,不但可以更即时准确的掌握病患的血糖值,大量的病患资料分析结果,更能用来进一步发展更完整的医疗资源规划。
事实上,不仅是专门用来作为医疗用途的设备,包括智慧手环、智慧手表等智慧穿戴装置最具前景的应用领域,医疗健康管理就是其中之一,许多智慧穿戴设备搭配智慧手机及云端运算架构,往往都号称可以利用大数据分析技术,帮助用户监测身体状况,保障身体健康,显示业者也知道,大数据分析技术,对智慧穿戴装置销售的帮助。
资料有价的观念需要建立
使用穿戴装置蒐集医疗数据,首先要进行资料采集,然後将这些数据加以分析与整合,此时就需要一个使用者够多的行动医疗应用平台,所整合出来的数据,才能产生够高的附加价值,如苹果Healthkit、Google Fit及百度的「百度医生」都在尝试吸引用户,最後才能将其转换成医疗服务,让医生可以透过这些穿戴装置所得到的数据进行诊断,或是提供医疗研究单位作为新产品或新技术的研发参考。
但即使有了蒐集医疗大数据的设备、平台,并不代表就没有问题。由於医疗产业的复杂度极高,且有一定程度的封闭性,不同的国家会有不同的法令规定,影响穿戴装置的设计及功能规范,资料蒐集的范围及可用性也大受影响,甚至在同一个国家,包括医院、医生、医药企业等参与者,也可能各行其是,无法形成足够规模的医疗大数据,也就无法进一步提升资料分析结果的综效。
要想真正落实医疗大数据的分析价值,就必须要设法整合各方关系和资源,尤其是政府政策的限制和监管,更是重要,因为医疗大数据最大的障碍,就是资讯安全,因为使用者的健康资讯往往相当敏感,从智慧穿戴设备采集资料後,到上传到医疗资料整合平台的过程中,平台能否保障使用者的资讯安全就显得格外重要。
美国食品药物管理局(FDA)在2015年1月发布了两份指导草案,详细规定了低风险的医疗健康产品平台的确定标准,并对第三方医疗配件的风险评估,提出基础性的建议,自然有助於医疗大数据市场的成长,类似美国作法的国家虽然还不多,但只要中国、印度等人口大国尽快推出类似美国的医疗可穿戴设备标准,将可促进相关产品及应用更快、更健康的发展,但各国之间的标准是否一致,也将会为市场投下不可预知的变数。
此外,医疗院所及相关研究单位,是否真的已经意识到「资料有价」的观念,也是攸关医疗大数据分析市场发展的关键,而对可穿戴医疗装置开发企业来说,如果不能靠大数据分析技术来获利,而只能靠销售软硬体产品的利润,不管是医疗可携式设备或平台的价格,势必会居高不下,不但影响产品及应用的普及性,更对医疗大数据的规模形成,有相当程度的影响,如何化解这些市场阻力,尽快的制订统一行业标准的规范,不仅要将重点放在软硬体产品上,更要提供相应的配套服务,只有类似大数据分析技术服务能够真正落实,才能增加用户使用的意愿,满足其医疗需求,才能建立智慧医疗的良性循环。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24