ஜர்னல் ஆஃப் தியரிட்டிகல் & கம்ப்யூட்டேஷனல் சயின்ஸ்
திறந்த அணுகல்

சுருக்கம்

ஆடம்: ஹெல்த்கேர் சூழலில் டேட்டா மைனிங்கின் பயன்பாடு

டங்கன் வாலஸ்

"பெரிய தரவு" சகாப்தத்தில், பெரிய அளவிலான இயந்திர கற்றல் (எம்.எல்) மூலம் கணக்கீட்டு தீர்வுகள், முன்னர் நிவர்த்தி செய்வது மிகவும் கடினமாக இருந்த சிக்கல்களுக்கு வழிவகுத்துள்ளது. சமீபத்திய ஆண்டுகளில், ML அணுகுமுறைகள் நோய் கண்டறிதலின் பின்னணியில் நோயாளியின் அறிகுறித் தரவை பகுப்பாய்வு செய்ய வெற்றிகரமாகப் பயன்படுத்தப்படுகின்றன, குறைந்தபட்சம் அத்தகைய தரவு நன்கு குறியிடப்பட்டிருக்கும். இருப்பினும், எலக்ட்ரானிக் ஹெல்த் ரெக்கார்டுகளில் (EHR) இருக்கும் பெரும்பாலான தரவுகள் கிளாசிக் ML அணுகுமுறைகளுக்கு ஏற்றதாக நிரூபிக்க வாய்ப்பில்லை. மேலும், மருத்துவமனைகள் மற்றும் தனிநபர்கள் என இரு தரப்பிலும் பல தரவுகள் பரவலாகப் பரவியுள்ளதால், ஒரு பரவலாக்கப்பட்ட, கணக்கீட்டு ரீதியாக அளவிடக்கூடிய முறைக்கு முன்னுரிமை அளிக்கப்படுகிறது. எங்கள் ஆராய்ச்சியானது, அடிக்கடி பயன்படுத்தும் நோயாளிகளின் ஒரு சிறிய துணைப்பிரிவை முன்கூட்டியே கண்டறிவதை அடிப்படையாகக் கொண்டது. இந்த நோயாளிகள் அடிப்படை நிலைமைகளைக் கொண்டுள்ளனர், இதனால் அவர்களுக்கு மீண்டும் மீண்டும் மருத்துவ கவனிப்பு தேவைப்படுகிறது. OOHC ஆனது டெலிமெடிசின் மற்றும் சிகிச்சையின் தற்காலிக டெலிவரியாக செயல்படுகிறது, இதில் நோயாளியின் முழு மருத்துவ வரலாற்றைப் பெறாமல் தொடர்புகள் நிகழ்கின்றன. OOHC-ஐத் தொடர்பு கொள்ளும் நோயாளிகள் தொடர்பான மருத்துவ வரலாறுகள், பல மருத்துவமனைகள் அல்லது அறுவை சிகிச்சைகளில் பல வேறுபட்ட EHR அமைப்புகளில் இருக்கலாம், அவை OOHC க்குக் கிடைக்காது. எனவே, இந்தப் பிரச்சனைக்கு உள்ளூர் தீர்வு சிறந்த தேர்வாக இருந்தாலும், விசாரணையின் கீழ் உள்ள தரவு முழுமையடையாதது, பன்முகத்தன்மை கொண்டது மற்றும் வழக்கமான OOHC செயல்பாடுகளின் போது தொகுக்கப்பட்ட சத்தமில்லாத உரை குறிப்புகளைக் கொண்டுள்ளது. இயந்திரக் கற்றல் முறைகளின் ஒரு வரம்பில், இந்த ஆராய்ச்சியின் நோக்கம், நோயாளியின் வழக்குகளை, ஆரம்பத் தொடர்புடன், அத்தகைய வெளியாட்களுடன் தொடர்புடையதாகக் கண்டறியும் வழிமுறைகளை வழங்குவதாகும். குறிப்பாக, இந்த நிகழ்வுகளின் வகைப்பாடு முறையின் வளர்ச்சியில் ஆழ்ந்த கற்றல் அணுகுமுறைகள் ஏற்றுக்கொள்ளப்பட்டன. இந்த ஆராய்ச்சியின் மற்றொரு நோக்கம், நேர்மறை மற்றும் எதிர்மறை வழக்கு உள்ளீடுகளின் வலுவான குறிப்பை வழங்கும் சரியான விதிமுறைகளை ஆராய்வதன் மூலம் அடிக்கடி பயனர் வழக்குகளின் கண்டுபிடிப்பை தெளிவுபடுத்துவதாகும்.