理論および計算科学ジャーナル
オープンアクセス

概要

ADAM: ヘルスケア分野におけるデータマイニングの応用

ダンカン・ウォレス

「ビッグデータ」の時代において、大規模な機械学習 (ML) による計算ソリューションは、以前は対処が非常に困難であると判明した問題への手段を提供しています。近年、ML アプローチは、少なくともそのようなデータが適切にコード化されている場合、病気の診断のコンテキストでの患者の症状データの分析にうまく適用されています。ただし、電子健康記録 (EHR) に存在するデータの多くは、従来の ML アプローチに適しているとは考えられません。さらに、多数のデータが病院と個人の両方に広く分散しているため、分散型で計算的にスケーラブルな方法論が優先されます。私たちの研究は、頻繁に使用する患者の小さなサブセクションを早期に特定することに基づいています。これらの患者は、繰り返し医療処置を必要とする基礎疾患を抱えています。OOHC は、患者の完全な病歴に頼ることなく対話が行われる、遠隔医療と治療のアドホックな提供として機能します。 OOHC に連絡する患者に関する医療履歴は、複数の病院または外科の複数の異なる EHR システムに保存されている場合があり、問題の OOHC ではそれらを利用できません。そのため、この問題にはローカル ソリューションの方が適していますが、調査対象のデータは不完全で、異質であり、主に通常の OOHC 活動中にコンパイルされたノイズの多いテキスト メモで構成されています。この研究の目的は、さまざまな機械学習手法を通じて、最初の連絡時にこのような外れ値に関係する可能性のある患者ケースを識別する手段を提供することです。特に、これらのケースの分類システムの開発にはディープラーニング アプローチが採用されました。この研究のさらなる目的は、肯定的および否定的なケース エントリを強く示す正確な用語を調べることにより、頻繁なユーザー ケースの発見を明らかにすることです。