多种因素促使数据挖掘应
用在医疗保健领域的新用途出现。例如，医疗保险浪费、欺诈和滥用现象的存在，促使许多医疗保险公司使用数据挖掘来确保方案的完整性。医疗保健机构可以使用数据挖 WhatsApp 主管 掘应用来协助制定客户关系管理决策，医疗服务提供者可以使用数据挖掘应用来识别有效的治疗方法和最佳实践，患者也可以利用数据挖掘应用来研究更好、更实惠的医疗保健服务方案。由于医疗保健交易产生的海量数据过于复杂和庞大，传统方法无法处理和分析，数据挖掘提供了将这些海量数据转化为决策有用信息的方法和技术。
医疗保健量化分析师应对改善健康和医疗保健挑战的另一种方式是将健康数据与相关部门的数据整合。将医疗保健（以及受 HIPAA 保护的）服务数据与非医疗保健数据整合在一起，可以更全面地了解健康状况的社会、行为和其他维度以及结果的差异。这些数据共同为将临床试验的经验扩展到现实世界提供了重要的见解。
另一个前沿领域是
将机器学习应用于医疗保健数据，重点是模式挖掘。这些活动增强了算法在分析日益庞大的数据集方面的应用。人工智能的全新应用以“机器人”的形式出现，这种类似于 Siri 和 Echo 的自动语音应答系统可以向消费者或患者提供交互式医疗保健信息。目前，由人工智能系统支持的机器人正在接受评估，以用于临床试验登记和消费者研究应用。