1、大數據+醫藥研發。在初步應用中，醫療大數據在縮短研發周期、降低研發成本、處理患者數據、模擬疾病模式等方面均有出色的表現，這給入局者們增強了不少信心。
5、大數據+健康管理。“健康管理”這把火并不是伴隨著大數據的興起而燒起來的，但準確來說，是大數據讓“精準健康管理”開始在行業中成為一代網紅，其中玩家包括妙健康、健康有益等在內的公司。當下，大數據健康管理更多地建立在EHR（電子健康檔案）和EMR（電子病歷）兩種整理方式上。
在億歐大健康的盤點中，有部分企業如騰訊、華大基因等企業在三個維度均有覆蓋，也有例如博識醫療云等企業專注于醫療大數據的部分環節。
經過十多年的探索，亞洲服務器租用 歐洲服務器，國內的醫療大數據產業鏈已經初步形成。政策對于醫療大數據的監管和整合逐步推進，產業中也出現了以醫療大數據存儲、挖掘、分析以及應用的創業企業。但總體來看，我國醫療大數據的發展速度并不快。
4、大數據+醫療保險。除了助力醫療保險精準服務、精確管理和科學決策，在醫療保險中，大數據還在例如單病種、DRGs等支付標準設計、完善藥品數據和統一標準、完善醫保智能監控系統等方面有巨大的發揮空間。
總體來看，醫療大數據的應用場景眾多，但應用程度大多處于中度乃至弱；在上述表格中近百家醫療大數據企業，僅有丁香園、微醫、零氪、思路迪邁入獨角獸行列；除此之外，國內專注于醫療大數據的新資本也屈指可數。
3、大數據+互聯網醫療。曾有行業人士表示，互聯網+醫療的核心內容是大數據。在這一場景中，企業比較多的做法是將大數據和互聯網醫院、養老、健康管理和居民電子健康檔案相結合，并輔助政府進行區域性健康信息管理。
這一方面歸咎于我國大數據的總量大，但質量較低、分散分布、不完整等特點；另一方面，由于醫療行業的高度政策導向性，國家對于醫療大數據的管控步伐走的仍然比較保守。
很顯然，相比AI應用于醫療輔助診斷或是互聯網醫療，醫療大數據遠還沒有到達爆發的節點，對比其他行業，應用程度也沒有零售、金融等行業成熟。但根據IDC Digital的預測，截至2020年醫療數據量將達40萬億GB，是2010年的30倍。
從上述三大層面來看，企業規模分異較為明顯。 基礎層多集中在上市公司，且多為醫療器械和醫療信息化企業。 由于近幾年新成立的創業公司大多并沒有太長時間用來沉淀數據，這一行為甚至與其商業化的方向相悖，因此，醫療健康大數據的“供給端”集中出現在與實體醫院相連的HIT廠商和醫療器械尤其是智能可穿戴設備中。
億歐大健康對國內醫療大數據領域的企業進行了盤點，發現這些企業呈現出三大特征，并且在醫療大數據藍海里，仍有座“金礦”亟待被挖掘。
早期，醫療大數據并非一個單獨行業，更多的作為產業中的一個“元素”。上世紀90年代末，包括東軟、衛寧健康、萬達信息等老牌信息化廠商在公立醫院建立根據地，為我國醫療大數據發展打下了基礎。
2、大數據+臨床決策。在醫療機構信息化建設的架構上，醫療大數據可以對臨床決策起到很好的輔助作用。目前來看，醫療大數據在輔助臨床精準醫療、疾病風險預測方面應用較多，例如在患者出現某癥狀之前就計算出患病概率和時間節點，以便在臨床上進行早期干預。
細觀技術層中的企業，大多是以提供醫療健康技術解決方案的形式進行服務。這一類公司通常首先立足于某一病種，并以AI技術和數據加工分析能力為技術壁壘，服務器租用 免備案服務器，服務覆蓋醫療機構、藥企、保險等幾大角色。不同的是，各公司所覆蓋的細分和范圍有所差異。有意思的是，技術層的公司融資輪次都不高，在33家中，B輪及以下的企業有23家，上市公司僅有3家。
