机器学习与数据挖掘算法
机器学习是大数据分析的基础,大数据的内容是纷乱复杂的,要想从大数据中挖掘有用的知识,需要使用计算机模拟人类的学习过程从而进行深入的分析。

预测性分析
预测性分析是一种重要的大数据分析方法,通过科学的建立模型,输入已知的数据,从而对未来的行为进行预测,但其得出的结论只是一个概率上可能发生的事情，并不是一个准确的结论。

可视化分析
可视化分析对于我们来说就本不遥远,它将大数据分析的结果用形象直观的方式展示出来,从而能够快速发现其蕴含的规律,挖掘到有用的信息。

基因生物学
自人类 基因组计划以来,随着对人类染色体基因测序的完成,人类基因先关研究迅速增长,包含基因信息的数据库通过互联网进行共享大量数据快速产生，基于大数据的基因挖掘分析技术也达到了很好的发展，其中致病基因路径分析是一项比较重要的研究，引起一种疾病通常包含多个基因，这些基因分布在病人的不同染色体上，并起着相应的作用。利用大数据技术可以用DNA序列中找出与疾病相关的遗传与功能信息，并进行针对性治疗，能够达到更好的疗效。同时，基因研究另一个重要的方面是DNA序列中的相似搜索和基因间的差异性比对，通过比对带病组织和健康组织的基因序列，可以更好的识别致癌基因。

致病因素分析
在病案信息库中,存在大量的病人的病情和病人的个人信息包含年龄 性别 职业 生活等的情况 根据这些信息和病情,在大数据的背景下进行使用聚类算法记性关联性分析，从而可以发现某种疾病与外在环境因素的潜在关系，指导公众远离这些致病因素，以降低某些疾病发生。

疾病的发病和预测
预测是大数据技术的核心,在医疗大数据中,包含着大量患者的居住地,家庭疾病史等的个人信息,这些信息有助于研究某些疾病发病的家族性和地区区域的分布性。通过大数据分析，还可探讨那些疾病有明显的家族遗传性，从而进一步分析疾病与基因变化的关系，通过积极预防和某种干预降低这种疾病的发病率，其研究结果必定会为人类的健康带来福音。

病例
区块链最明显的优势在于它可以轻松地让信息跨平台共享。 从历史上看，法规遵从、数据存储和数据分享的弱势抑制了医疗机构治疗患者的能力。区块链则消除了这些问题，医生可以访问之前无法连接的数据集。比如，你的主治医生可以拉你的分类账，查看别的专家推荐的治疗计划，并确保他没有开具可能会破坏你的肿瘤，医生推荐的不同方法的治疗药物。

致病因素分析
从医生的角度来看，他们既不浪费时间追查记录，也不担心责任问题。 从病人的角度来看，他们有权访问他们希望的任何医疗保健实践，而且不必担心转移他们的文书工作。

疾病的发病和预测
预测是大数据技术的核心,在医疗大数据中,包含着大量患者的居住地,家庭疾病史等的个人信息,这些信息有助于研究某些疾病发病的家族性和地区区域的分布性。通过大数据分析，还可探讨那些疾病有明显的家族遗传性，从而进一步分析疾病与基因变化的关系，通过积极预防和某种干预降低这种疾病的发病率，其研究结果必定会为人类的健康带来福音。