從一個資深碼農得角度來說說這個問題吧。
以下得內容主要來源于和做大數據醫療得朋友的聊天，如果有不正確得地方還請專業人士打臉。
就分成幾點來說吧
- 我覺得很重要的一點是能夠減輕患者醫療成本。我們經常是，眼睛不舒服了去眼科好的醫院看眼科，腸胃不好去腸胃特長的醫院。然而大部分這些醫院是不共享數據的。這就導致了大部分病例無法共享，進而導致很多檢測是重復的或者患者自身描述的信息不準確而導致危險。一旦能夠整合這些數據，并且，很重要的是安全的去分析這些數據相信能夠提升醫療質量并且降低成本。
- 其次，其也能夠降低醫院的成本。醫療機構里有一個經典問題：在一時間段內投入多少醫護人員最合適？如果投入太多人員，就冒著不必要的勞動成本增加的風險；而人員太少，患者服務質量可能會大大降低——這對患者來說可能是致命的。通過時序預測不同時間的病患數量能夠更好的調節醫務資源。
- 降低再入院率。現在一些重病癥的費用之所以居高不下，原因之一是因為患者離開醫院30天內，再入院率居高不下。利用大數據分析，按照過往記錄、圖表信息和患者特點，醫院能識別高風險病人，并提供必要的護理，從而降低再入院率。
- 遠程醫療。伴隨著這次疫情，很多事情都會向網上遷移。遠程醫療可能就是一個重點，雖然遠程醫療已經出現了三四十年了，但是直到最近才有了比較快的發展，特別是便隨著一些可穿戴設備。臨床醫生使用遠程醫療來提供個性化的治療方案，避免住院或重新入院。這種醫療數據分析的使用可以與預測分析的使用相關聯，幫助臨床醫生提前預測急性醫療事件并防止患者病情惡化。
- 降低誤判率。無論是肺片，心電圖還是CT，手動分析和存儲這些圖像在時間和金錢方面都是花費巨大的。分析成千上萬圖像的算法可以識別像素中的特定模式并將其轉換，以幫助醫生進行診斷。甚至更進一步說，醫生可能不再需要查看圖像，而是分析算法的結果，這些算法將會研究并記住比醫生一生所見都多的圖像，這無疑會影響醫生的價值
如果以上信息對你有幫助，歡迎點贊轉發。^_^