现在有一种趋势是向着循证医学发展，即充分利用所有临床数据并能在临床和高级分析中对这些数据进行因子分解。抓取及收集关于某一个病人的所有信息能够为我们分析医疗服务协调性、分析基于效果的补偿体系、人口健康管理以及病人参与度和其他信息。
医疗卫生领域大数据应用案例分析
用 大数据分析 工具减少医疗诈骗、浪费和滥用
在美国医疗产业中，因欺诈、浪费和滥用而产生的成本是造成医疗费用节节上升的重要因素，但大数据分析能称为这一现象的变革者。医疗照护和医疗救助中心使用预测分析一年能够杜绝总额超过2.1亿的医疗保险欺诈。基于hadoop大数据平台的基础上，联合保健公司实现了向可预测的建模环境的转变。这个大数据平台能够以系统的、可重复的方式去甄别不正当的索赔申请，并能获得2200%的数据反馈。
辨别诈骗的关键是通过存储和可追溯的记录去分析历史赔偿记录中大量的非结构数据集，并利用机器学习的算法来甄别反常事物及模式。
医疗组织机构可以通过分析病人的纪录和账单来查明异常，例如短期内过度使用医疗服务，病人在不同地方的不同医院受到了医疗服务，或是同一个病人在多家机构得到了相同的处方。
医疗保护和医疗救助中心用预测分析来对某些特定的赔偿或医疗服务供应者进行风险评分，甄别计费模式并发现用传统方法难以查明的反常情况。以规则为基础的模式基本上能自动标示部分赔偿结果异常。而异常分析模式基本上是靠分析反常因素发现问题。预测分析模式是将某一赔偿案例与另外一个已被确认为诈骗的案例进行比较来发现可疑之处。而图表模式一般是依据关系网来分析，它认为一般存疑的医疗服务提供者总是与其他存在欺诈性的收费者保持紧密联系。