当前，我们正处于一个数据爆炸性增长的大数据时代，各类信息系统在医疗卫生机构的广泛应用以及医疗设备和仪器的逐步数字化使得医院积累了更多的数据资源，这些数据资源是非常宝贵的医疗卫生信息，对于疾病的诊断、治疗、诊疗费用的控制等都是非常有价值的。
如何在大数据时代做好医疗卫生信息化建设，是值得我们思考的问题，也是在我国医疗卫生数据量爆发式增长背景下，医疗信息化建设面对的新命题。
系统架构可扩展诉求提升
医疗卫生数据主要来源于三方面：一是生命科学领域及医药研发领域。随着高通量测序的技术发展和逐步应用，生命科学领域的数据量正在高速增长，每台高通量的测序仪每天可产生约100GB的数据，仅华大基因一家中国基因公司，每天就有一百多台这样的测序仪在满负荷运行着，产生10TB的数据。
二是医疗领域。就医疗机构诊疗数据看，诊疗数据结构复杂，包含大量半结构化或非结构化数据，单个半结构化数据(如心电图、B超、CR、CT等)的数据量远远大于单个结构化数据(如XML文档)，如一张普通CT图像大约150MB、一个标准的病理图接近5GB，而一个XML文档大小约几十K，随着医疗机构信息化建设转向临床信息系统，越来越多医院将重点建设PACS、LIS系统，从而产生大量非结构化诊疗数据。
除医疗机构诊疗数据外，医疗领域大数据还包括患者在医疗机构就医过程中产生的挂号、缴费、新农合基金使用情况、医保资金使用情况、诊断结论、诊疗过程等数据。根据卫计委2014年颁布的《人口健康信息管理办法(试行)》要求，电子健康档案、电子病历、全员人口信息等人口健康信息需要实现长期保存，医疗领域数据量将逐年累积增加。
三是移动医疗领域。可穿戴式医疗设备目前逐步从概念走向现实，其最重要的应用就在医疗健康管理领域，从谷歌眼镜、苹果手表到耐克腕带等均具备一定医疗健康管理功能，为用户提供身体素质指标监测、疾病数据跟踪等服务。随着可穿戴式设备的快速发展，未来将产生大量的医疗健康数据。
面对来源丰富且日益膨胀的医疗卫生数据，目前医疗信息化的存储架构无法满足大数据应用的需要，在处理和查询大数据集时更是力不从心,需要设计新的以数据为中心的计算模型和系统架构，把医疗卫生各个业务系统独立的、分散的、不同品牌或不同级别的存储产品统一到一个或几个大的存储池下，形成逻辑上统一的整体，进而根据数据整合或应用整合的需要将数据迁移到相应的存储空间，从而实现医疗信息化中存储架构的统一规划和部署。
传统数据分析系统亟待变革
目前，医疗卫生数据结构较为复杂，除了普通结构化数据外，多为半结构化或者非结构化的数据，如心电图、B超、CT、MR、CR、等临床影像文件多为非结构化数据。在“大数据”时代，传统的数据库分析系统正面临着一次历史性变革。
目前国外已经有许多机构开始深入研究医疗数据的挖掘利用,并已经从大数据中找到了与医疗卫生相关的潜在价值，例如：早在2009年，甲型H1N1流感爆发的几周前，Google开发“谷歌流感趋势”延伸服务，通过分析大量用户对于流感有关词条所做的搜索记录识别流感爆发，与官方机构相比Google能提前1~2周预测流感爆发，预测结果与官方数据相关性高达97%。