概括如下:

数据的获取: 各级医院; 智能穿戴设备; 医学客观数据;

数据的存储: 数据三重备份; 相似患者分析; 远程会诊;

数据的处理: 大数据技术挖掘数据中蕴含的价值;

医疗影像数据需要大量存储空间, 需要系统的管理以便保证患者影像信息的完整性, 同时满足医生任意调阅影像数据的需求.

药品销售: 用户通过平台进行自我症状的初诊, 查医院找医生, 然后查找附近药店, 下单买药, 根据用户的不同情况推送健康资讯, 丰富用户的健康常识.

医疗智能穿戴应用用于搜集、跟踪并管理消费者的健康状况，成为人们预防疾病和健康生活的一部分。可穿戴医疗设备，实现了健康数据的采集，比如心率、运动量、睡眠时间、血糖血压等情况，进而对数据进行系统的管理和潜在价值的挖掘。

医疗健康问诊咨询应用分为在线医疗网站和移动医疗应用，提供医疗服务与指导，实现患者自诊自查、医生问诊、预约挂号、医生学术分享交流等功能。

个人(患者, 医生); 机构(医院, 卫生局, 科研机构); 开发者; 管理员;

医院信息数据: 医院内部的大量临床数据. 一个患者的临床记录, 也许分散在不同医疗机构的数据池中, 不同机构的数据格式与标准不一, 很难规整进入一份完整的个人数据档案里.

生物医药数据: 转化医学与生物样本库产生的大数据, 药物研发与基因组大数据及患者用药跟踪大数据.

智能可穿戴数据.

社交媒体数据: 网民通过在线疾病搜索行为, 产生大量数据, 这些数据形成统计模型, 可以预测未来疾病的活跃指数.

临床决策支持系统: 分析医生输入的条目, 比较其与医学指引不同的地方, 从而提醒医生防止潜在的错误, 如药物不良反应. 可降低医疗事故率和索赔数. 使用图像分析和识别技术, 识别医疗影像数据, 或者挖掘医疗文献数据建立医疗专家数据库, 从而给医生提出诊疗建议.

远程病人监控: 从对慢性病人的远程监控系统收集数据, 并将分析结果反馈给监控设备, 确定今后的用药和治疗方案. n 对病人档案的高级分析: 在病人档案方面应用高级分析可以确定哪些人是某类疾病的易感人群, 使他们尽早接受预防性保健方案. 这些方法也可以帮助患者从已经存在的疾病管理方案中找到最好的治疗方案.

预测建模: 医药公司在新药物的研发阶段, 可以通过数据建模和分析, 确定最有效率的投入产出比, 从而配备最佳资源组合.

疾病模式的分析: 通过分析疾病的模式和趋势, 可以帮助医疗产品企业制定战略性的研发投资决策, 帮助其优化研发重点, 优化配备资源.

等等.