大數據這概念在近年已經應用在很多行業及專業界別，那麼在醫療界又可如何應用？那麼先問大家一個問題，猜一猜最先能夠預見流感潮爆發的機構是什麼？答案可能是Google、Facebook、一些類似有大量用戶的科網公司、或社交媒體大數據分析的機構，因為在流感潮初期或期間會有越來越多人在Google搜尋有關藥物及醫生的資料，或者越來越多人在Facebook分享自己的病情，例如上載一些藥物或探熱針照片的發帖。這些公司或機構只要進行一些用戶行為大數據分析就可以看到大概趨勢。

能否解決醫院人手短缺問題？

但是要有較準確數字反映疫潮趨勢的話，優質數據應該是來自醫療界，例如求診個案的數字、診斷內容、藥物應用成效等。當然，先要兩大假設成立：（一）有一個系統或平台將整個醫療界裡的持份者所儲存的數據整合，產生醫療界大數據；（二）持份者願意將其數據分享，持份者包括病人（及其家人）、醫生、醫療機構等等。當有清晰的醫療服務供求數據，對於制定人手編配及資源配套上，無論在經常性或非經常性的情況下，也能達致更準確的效果。對於整體來說，這會促使更有效應付疫潮。

醫療大數據有隠患嗎？

當然有隱患，例如數據資料外洩、被公開、被盜用、被錯誤删改等等，但是這也在乎於如何避免和將其發生的機會盡量降低，這就關乎網絡保安、風險管理、使用守則的設計與執行。這部份主要屬於剛才提到的兩大假設的備註事項，保證沒有隱患相信是不可能，但不再好好整合分析醫療大數據就不可不行，因為醫療界要面對的挑戰越來越嚴峻，大數據的協助不可或缺，應用人工智能、機器學習、深度學習、區塊鏈等技術更是在所難免，區塊鏈的技術亦有助解決那些隱患，要討論的應該是如何在私隱處理上取得平衡。