Modello clinico predittivo con l'apprendimento automatico

Nel settore sanitario, l'analisi dei big data estremamente importante, evidentemente perch il settore stesso ospita un vasto mare di dati. L'analitica viene utilizzata per esaminare questi set di dati e scoprire informazioni e tendenze nascoste, al fine di estrarre conoscenze e anticipare i risultati. Gli approcci attuali mancano di una considerevole accuratezza di categorizzazione e previsione, poich il reperimento di dati clinici e sanitari strutturati richiede molto tempo e la previsione accurata delle malattie utilizzando rapporti in tempo reale un compito difficile e ad alta intensit computazionale. Pertanto, la comprensione delle motivazioni alla base degli approcci di apprendimento automatico in ambito sanitario essenziale, poich la precisione e l'accuratezza sono spesso fondamentali nei problemi sanitari. L'obiettivo costruire un modello clinico generalizzato di apprendimento automatico che utilizzi algoritmi di classificazione supervisionati, al fine di prevedere varie malattie comuni ma gravi attraverso un output binario.