主要观点：作者在与医疗保健企业合作时发现医疗数据量大但混乱，存储在不同系统和格式中难以汇总分析，文章介绍了医疗数据分析的挑战及应对技术，包括数据碎片化、格式问题、缺失和重复数据等，还提到了数据隐私和法规要求以及应采取的措施，最后强调医疗数据虽混乱但有价值，最佳方法是逐步工作确保基础稳固。
关键信息：

• 医疗数据量大但存储分散，格式多样，存在数据碎片化、格式问题、缺失和重复数据等挑战。
• 可通过数据仓库和湖屋设置、数据集成工具、实时分析和流处理、机器学习等技术应对挑战。
• 工作于医疗数据需遵守法规，如美国的 HIPAA 和欧洲的 GDPR，要注意日志、访问控制、加密和审计跟踪等。
  重要细节：
• 世界 30%的数据量由医疗保健行业生成，各系统使用不同标识符，需写匹配逻辑链接记录，整合多医院数据更难。
• 医疗数据包括非结构化、时间序列和图像等，需创建复杂多模态分析策略。
• 数据仓库可集中存储和查询清理后数据，湖屋模型可同时保留原始和清理后数据。
• FHIR APIs 用于从 EHR 中提取数据，仍存在多种数据传输方式。
• 实时分析可用于警报，如患者生命体征超过阈值，但多数医疗系统并非为实时设计。
• ML 可用于模式检测，如预测再入院等，但训练前需确保数据集干净。
• 处理医疗数据要小心处理 PHI，使用加密等措施，开发测试时用去标识或合成数据。