1.1 数据结构化水平低
目前医院信息系统中临床数据存储分散、缺乏标准化、数据不完整、存在非结构化数据等问题造成临床研究者在科研实践中获取数据时存在种种困难。
医疗行业的数据呈现出多源异构的特点，这使得数据质量问题在医疗行业表现得尤为突出。尽管大数据背景下数据提取、清洗、应用技术快速发展，但是由于临床科研工作中数据需求的特殊性对数据准确率的高度要求，非结构化的数据信息利用仍然是一个难题。如何将电子病历中的非结构化数据转化成为机器可以识别的结构化数据，是在临床科研中发挥大数据分析效能、促进机器学习方法在临床科研中应用的数据基础。
1.2 医疗大数据应用存在数据隐私挑战
医疗大数据涉及个人隐私信息众多，如不采取充分的隐私保护措施，将会对数据应用和治理带来诸多潜在风险，如数据的非法流通、信息丢失、造成患者歧视等。由于医疗大数据应用场景繁多，数据隐私的关键问题也不尽相同，数据隐私的挑战持续存在。
如何在建立有效应用场景、开放数据使用的环境下避免隐私泄露风险，是未来医疗大数据管理和法律法规制定需要解决的重要问题。
1.3 数据应用能力薄弱
医疗大数据在临床科研中的应用能力薄弱，一方面是由于缺乏有效的数据分析工具，另一方面是由于缺乏相关数据分析人才。
传统的手工数据录入与统计软件结合的数据分析方法，对于数据的关联性研究、预测研究能力有限，严重制约了医疗大数据的价值体现。而在数据分析模型、工具的开发上，普通的医疗机构又存在复合型人才不足的问题。因此造成了大量医疗数据没有发挥其临床科研价值，应用能力问题尚需解决。
1.4 数据的深度挖掘不够
医疗大数据是临床科研的宝贵资源，其对于临床科研的价值，不仅仅是数据统计，更重要的是通过数据的筛选和挖掘，协助科研观点的产生、科研方法的设计、科研过程的实施和科研结果的验证，得出对实践更有指导意义的结论。
但由于数据的深度挖掘不足，医疗大数据在指导临床诊疗、疾病预测、用药监测、智能模型优化等方面的价值还未完全发挥。因此，基于海量医疗数据的深度学习和分析处理能力不足，制约着医疗大数据在临床科研中的应用。
消息来源：数字医疗(健康界)。里恩是专注于生命科学领域云计算的SaaS软件提供商，自主研发里恩临床试验数据采集系统、医学电子文档管理系统、电子化的患者报临床结局、药物警戒系统、疫苗临床试验研究者操作系统等，致力于成为临床EDC系统领域最专注、最专业、最具影响力的软件系统提供商。
