Искусственный интеллект и машинное обучение — термины, которые вы наверняка слышали очень часто. Эти инструменты способны улучшить каждую сферу и сектор общества, и здравоохранение не является исключением.

Чтобы понять, насколько полезным может быть машинное обучение в здравоохранении, мы должны сначала понять некоторые основы машинного обучения.

Основная цель машинного обучения — что-то предсказать или спрогнозировать. Машинное обучение делится на две части, т.е.

  • Контролируемое машинное обучение
  • Неконтролируемое машинное обучение

Давайте разберемся, что такое контролируемое машинное обучение, потому что оно больше относится к здравоохранению. В контролируемом машинном обучении мы пометили набор данных. Помеченный набор данных означает, что задана зависимая переменная. Зависимая переменная — это переменная, значения которой зависят от независимых переменных, и именно эту переменную мы пытаемся предсказать. Пример: набор данных о продажах будет иметь независимые переменные, такие как количество проданных единиц, стоимость производства, цена за единицу и т. д., а зависимой переменной будет выручка или объем продаж.

Теперь, когда мы обсудили, что такое контролируемое машинное обучение, давайте теперь разберемся в категориях контролируемого машинного обучения. Машинное обучение с учителем можно разделить на:

  • Регрессия: в регрессии мы пытаемся предсказать непрерывную переменную. Непрерывная переменная — это переменная, которая может принимать бесконечные значения. Примерами непрерывных переменных являются вес учащихся в классе, количество осадков в определенной местности и т. д.
  • Классификация: в классификации мы пытаемся предсказать дискретную переменную. Дискретная переменная — это переменная, которая может принимать только несколько значений. Примерами дискретной переменной являются количество детей, которое может иметь пара, количество девочек в классе.

Теперь, когда мы знаем о классификации и регрессии, можете ли вы сказать, к какой категории относится наш пример продаж?

Да, вы правы, это пример регрессии.

Как обсуждалось в разделе «Регрессия», мы предсказываем непрерывную переменную. Итак, если нам даны некоторые медицинские независимые переменные, такие как количество выкуриваемых сигарет, уровень холестерина и другие важные характеристики, то мы можем предсказать частоту сердечных сокращений человека. Это пример использования регрессии в здравоохранении.

Вариант использования классификации может предсказать, будет ли человек заражен COVID или нет, с учетом соответствующих характеристик, таких как иммунитет, путешествовал ли он недавно или нет и т. д. Другой вариант использования классификации может предсказать, может ли человек быть инфицирован COVID-19. хроническое заболевание сердца в будущем или нет, учитывая соответствующие особенности, такие как распространенная гипертония, диабет, возраст и т. д.

Увидев варианты использования методов регрессионного и классификационного машинного обучения в здравоохранении, вы также согласитесь со мной в отношении важности машинного обучения в области здравоохранения.

При наличии надлежащих данных эти прогнозы могут помочь избежать потенциального заболевания. Это также скажет нам, насколько важна конкретная особенность (переменная) в возникновении болезни. Поэтому машинное обучение может быть очень полезным в здравоохранении.