Data mining syndromes

Египетские исследователи из Университета Бенха и Университета Айн-Шамс провели обзор методов интеллектуального анализа данных для эффективного выявления синдромов на основе информации из электронных медицинских карт. Они подчеркивают, что такие техники, как онтологии и классический data mining, играют ключевую роль в точной диагностике.

Анализ и систематизация огромных объемов клинической и генетической информации из EHRs — сложная задача, но она критически важна для биомедицинских исследований и улучшения здравоохранения. Авторы работы сосредоточились на сравнении производительности различных алгоритмов машинного обучения для классификации конкретного синдрома — сердечно-сосудистых заболеваний.

Эксперименты с публичным набором данных показали, что классификатор Random Forest (RF) демонстрирует наилучшую точность по сравнению с другими рассмотренными методами: decision trees (J48), Naïve Bayes и multi-layer perceptron (MLP). Ученые уверены, что дальнейшее развитие этих технологий позволит создать эффективные системы для диагностики специфических синдромов.