国内外当前医疗大数据的研究现状
自上世纪九十年代起，随着网络科技的飞速发展，企业、科研部口、政府机构等都产生并积累了海量的数据，仅依靠传统数据库技术和统计手段己经不能有效处理这些信息，出现了所描述的＂数据丰富而知识贫疮＂的境况。海量数据中蕴含着丰富的知识信息，如何从这些海量数据中获取有用的信息，人们对此进行了大量的探索。计算机技术与硬件的发展使得处理海量数据成为可能，但是面对不断膨胀的数据量，更高层次的需求己经提出：从杂乱无序的数据中探索我们需要的信息，来为决策提供参考。数据挖掘在这种需求之上应运而生。１９８９年于底特律召开的人工智能联合会议上提出了知识发现（ｋｎｏｗｌｅｄｇｅｄｉｓｃｏｖｅｒｙｉｎｄａｔａｂａｓｅｓ，ｋｄｄ）的概念，１９９５年于加拿大蒙特利尔召开的ｋｄｄ＆ｄａｔａｍｉｎｉｎｇ会议上，将数据挖掘技术分为科研领域数据挖掘和工程领域数据挖掘。之后数据挖掘相关的会议每年召开一次，经过几十年的不断研究和发展，数据挖掘领域的己经取得丰硕的成果。研究工作主要围绕理论和应用来开展。
目前，国外数据挖掘的发展是对已有的知识进一步研巧，如近年来深度学习得到进一步的研究。在应用方面，ｋｄｄ商业软件从只能孤立地解决问题升级到能够系统地解决复杂问题的整体系统。在航天、生物医学、体育竞技等方面都得到广泛应用。如加州理工大学研发的ｓｋｉｃａｔ系统，能够协助天文学家探索遥远的星体；在生物学领域用来对ｄｎａ进行分析；在竞技体育方面，比较著名的是旧的ａｓ（ａｄｖａｎｃｅｄｓｃｏｕｔ）系统，能够根据篮球比赛数据来帮助教练进行战术布置和人员安排。数据挖掘技术起源于美国，并在美国得到繁荣发展。
根据ｐａｋｄｄ、ｋｄｄ、ｅｃｍｌ／ｐｋｄｄｈ大学术会议的召开地点和论文录用比例进行了分析，从结论可看出美国任然占据着整个数据挖掘领域研巧的核也地位，我国在该领域的研究也逐步走向成熟。另外比较著名的商业数据挖掘软件还有ａｎｇｏ的公司开发ｋｎｏｗｌｅｄｇｅｓｔｕｄｉｏ，ｉｂｍ公司的ｉｎｔｅｌｌｉｇｅｎｔｍｉｎｅｒ和ｓｊｐｓｓ等。相比于国外，国内在数据挖掘领域的研究晚于美国，国家自然科学基金于１９９３年首次支持该领域的研巧。之后国内许多科研机构和髙校相继开展数据挖掘的基础理论与应用研究。这些机构包括清华大学、北京大学、中科院计算技术研究所、上海交通大学等。在软件方面，我国也开发出不少新兴的数据挖掘软件，化中科院技术研究所升发的ｍｓｍｉｎｅｒｔｉａ，东北大学开发的ｓｃｏｐｅｍｉｅ及上海复旦德口软件公司开发的ｄｍｉｎｅｒ等。
由此可看出，美国仍然占据数据挖掘研究的核也地位，开始时间较早且成果丰富，我国在该领域的研究起步稍晚，但是正在快速兴起。
“此文章为健康潜伏者原创，特此声明！”