Machine Learning Classifiers ως ψηφιακό εργαλείο για την διάγνωση ιατρικών παθήσεων, από αρχεία κειμένου, ψηφιακών φακέλων Υγείας με τεχνικές NLP

Abstract

Η πολυπλοκότητα και η αύξηση των δεδομένων στον τομέα της υγειονομικής περίθαλψης καθιστά την εφαρμογή της τεχνητής νοημοσύνης όλο και περισσότερο απαραίτητη. Αρκετοί τύποι τεχνητής νοημοσύνης χρησιμοποιούνται ήδη από παρόχους περίθαλψης και εταιρείες βιοεπιστημών. Οι βασικές κατηγορίες εφαρμογών περιλαμβάνουν συστάσεις διάγνωσης και θεραπείας, εμπλοκή και συμμόρφωση ασθενών και διοικητικές δραστηριότητες. Αν και υπάρχουν πολλές περιπτώσεις στις οποίες η τεχνητή νοημοσύνη μπορεί να εκτελεί καθήκοντα υγειονομικής περίθαλψης εξίσου καλά ή καλύτερα από τους ανθρώπους, οι παράγοντες υλοποίησης θα αποτρέψουν την αυτοματοποίηση μεγάλης κλίμακας των θέσεων εργασίας των επαγγελματιών υγείας για μεγάλο χρονικό διάστημα. Επομένως η μηχανική μάθηση μπορεί να είναι το κλειδί για την μέγιστη αξιοποίηση των ιατρικών αρχείων. Η εργασία χωρίζεται σε τρία κεφάλαια στα οποία αναλύονται θεμελιώδη ζητήματα της χρήσης της μηχανικής μάθησης στον υγειονομικό τομέα.

--------------------------------------------------------------------------------------------------------------------------------------------------------------

The complexity and growth of data in healthcare makes the application of artificial intelligence increasingly necessary. Several types of AI are already being used by healthcare providers and life sciences companies. Key application categories include diagnosis and treatment recommendations, patient engagement and compliance, and administrative activities. While there are many cases in which AI can perform healthcare tasks as well or better than humans, implementation factors will prevent large-scale automation of healthcare professionals' jobs for a long time. So machine learning can be the key to making the most of medical records. The paper is divided into three chapters in which fundamental issues of the use of machine learning in the health sector are analyzed.