醫療大數據個性化醫療服務應用利用醫療大數據形成個性化醫療服務和治療，即基于基因科學的醫療模式、個體特征和身體情況，通過對居民健康影響因素進行分析，對患者健康信息進行整合，為疾病的診斷和治療提供更好的數據證據，進行居民健康知識庫的積累，從而改進居民健康。在基因測序、個性化藥物及個人健康管理等醫療個性化服務方面的方案思路如下。1.1基因測序分析應用隨著大數據的飛速發展，它已經把觸角觸及到很多領域。在醫療健康領域，美國已經開始利用大數據應用來防止流感蔓延，而伴隨科學技術的不斷發展，也讓以往無比昂貴的基因測序變得不再遙不可及，基因測序的成本已經逼近1千美元。目前在美國擁有2千多家從事人類基因序列分析的公司，而且未來會有更多的企業將涉足這一領域。這就意味著，個性化醫療的時代即將來臨。利用這些基因測序數據發現基因中罕見的病變信息，而正是這些病變信息造成了癌癥、新生兒疾病、鐮狀細胞性貧血等。隨著從基因測序解決方案中得到越來越多的遺傳信息，未來對基因組進行可擴展分析的需求顯然將會越來越多。1.2個性化藥物應用通過對大型數據集(例如基因組數據)的分析發展個性化治療。該應用考察遺傳變異、對特定疾病的易感性和對特殊藥物的反應三者之間的關系，然后在藥物研發和用藥過程中考慮個人的遺傳變異因素。很多情況下，病人用同樣的診療方案但是療效卻不一樣，部分原因是遺傳變異。針對不同的患者采取不同的診療方案，或者根據患者的實際情況調整藥物劑量，可以減少副作用。通過減少處方藥量可以減少30%～70%的醫療成本。比如，早期發現和治療可以顯著降低肺癌給衛生系統造成的負擔，因為早期的手術費用是后期治療費用的一半。1.3個人健康管理應用利用大數據技術，對個人健康進行全生命周期管理，實現在任何時間、任何地點都可以訪問相關信息，從而保證了健康信息的一致性、連續性，如谷歌的GoogleHealth、微軟的HealthVault等平臺。健康管理系統的最主要特點就是：個人的健康狀態得得到了連續觀測，健康分析人員能夠有效地對個人健康狀況進行分析，以便在身體處于非健康狀態時得到及時的干預。在健康管理領域中最需要解決的問題就是及時發現身體的健康異常和重大疾病風險預警，傳統情況下我們會通過年度體檢來實現這一要求，但是體檢時間跨度大，同時地域的覆蓋能力也不足夠，可穿戴式設備能夠實現跨地域大人群身體異常實時發現。通過體征數據（如心率、脈率、呼吸頻率、體溫、熱消耗量、血壓、血糖和血氧、激素和BMI指數，體脂含量）監測來幫助用戶管理重要的生理活動?，F階段可以利用的體征數據傳感器包括：①體溫傳感器；②熱通量傳感器：用來監測熱量消耗能力，可以用于血糖輔助計算和新陳代謝能力推算；③體重計量傳感器：用于計算BMI指數；④脈搏波傳感器：推算血壓，脈率等數據；⑤生物電傳感器：可用于心電、腦電數據采集，也可用來推算脂肪含量等；⑥光學傳感器：推算血氧含量，血流速。設備初始會將一天設定數十個檢測點，只需累積28個檢測結果即可建立個人初級模型，利用大數據技術對所有產生數據進行分析，匯總成一個健康風險指數，用戶可以看到自己的健康風險指數和同齡、同性別人群的平均風險指數，并且能明確自己的健康風險在同齡人群中的排位。同時，利用大數據技術，設備會根據使用者實際情況進行調整，一旦數據顯示異常，就會加大檢測密度，反之則會拉長檢測間隔，進行動態調整。這些數值交叉分析結果可以用來分析用