大多数制药企业在从动物试验到I期临床试验期间，成绩差需使用预测模型来优化给药，成绩差需但数据分析还没应用于后期的试验中，如各类药物临床试验入组和排除标准。

也就是说，学习它们之间的差距在越拉越大。数据分析在医疗领域内的潜在机会我们强调的机会有五大类：困难临床、报销、研发、商业模式创新和公共卫生。

将数据分析用于医疗的未来状态应该是：门诊医生对患者持续进行监测和给予个性化治疗方案，并在最佳时机完成健康干预。在世界上许多国家，成绩差需尤其是美国，信息透明度的缺乏导致医疗健康系统机能失调。但2011年只能实现10~20%，学习也即产生300~600亿美元的价值。

在将来，困难随着深入学习的进步，尤其是自然语言和视觉技术的发展，可能有助于医疗活动的自动化，节约劳动力成本。除此之外，门诊个性化医疗其实可以改变整个健康医疗大系统。

但也确实取得了一些成效，成绩差需如临床上，最大的成功就是电子病历的采用，虽然目前看来其中的海量数据尚未完全挖掘出来。

传统意义上，学习诊疗依赖于病史、医学检验和实验室检查结果。在临床中，困难主要的成功就是电子病历的快速扩张，已经从2010年的15.6%提升到2014年的75%，这其中很大的推动来自平价医疗法案的实施。

如在2016年4月，门诊阿斯利康与美国测序公司HumanLongevity、门诊英国桑格研究院以及芬兰分子医学研究所展开合作进行200万例全基因组测序，为今后的药物研发提供指导。一些创新者正在试验，成绩差需希望这些数据对于临床也可以起到直接有效的作用。

学习支付方将会越来越多地参与患者的诊疗过程连商业计划书也没要，困难联创策源与雷军就投了毕胜200万美元，2008年5月，乐淘网上线了，主攻玩具市场。