© 2019 Акесо. Москва. Все права защищены

  • Facebook
Поиск
  • Akeso

Выпуск № 8: Методы машинного обучения на основе RWD: прогнозирование и ранняя профилактика

Пост обновлен 7 июня 2019 г.

В восьмом выпуске еженедельного RWE Digest by Akeso мы расскажем о том, как истории болезней, медицинские записи, статистика мультисенсорных устройств или социальные сети могут предсказать реальное будущее с вероятностью 70-90%. И каким образом накопление большого объема данных в сфере здравоохранения создает новые возможности не только для лечения, но и для раннего прогнозирования заболеваний и эпидемий. 


Эволюция системы здравоохранения вышла на новый виток. Оптимизированные алгоритмы машинного обучения позволяют прогнозировать возникновение заболеваний на тех этапах, когда стандартные медицинские исследования недоступны. О возможности развития диабета, с вероятностью 76% на примере разных видов алгоритмов машинного обучения, в обзорной статье International Research Journal of Engineering and Technology (IRJET). Подробнее

Предсказать начало эпидемии с помощью вашей страницы на Facebook? Легко. Алгоритмы машинного обучения с помощью Real World Data собирают, систематизируют и дают достоверный результат. О том, какое будущее ждёт здравоохранение в эпоху DNN, LSTM и ARIMA расширенное исследование NCBI (National Center for Biotechnology Information). Подробнее

Использование алгоритмов машинного обучения в диагностике сердечно-сосудистых заболеваний снижает коэффициент смертности. Уже сегодня нейронные сети приходят на смену инвазивным методам диагностики. Авторы статьи на примере семи популярных методов машинного обучения, трех алгоритмов выборки признаков, перекрестной оценке и ряда других методов доказывают эффективность Big Data для прогнозирования болезней сердца. Подробнее

Просмотров: 7