Nach der methodischen Einführung der Mustererkennung möchten wir im zweiten Teil das Prinzip der Empfehlungen mit Erklärungen erläutern.
Mustererkennung auf Patientendaten: Teil 1
Die Abrechnung in Krankenhäusern ist ein wichtiger, allerdings auch fehleranfälliger Prozess, da klinische Daten und Verwaltungsdaten in zunehmenden Mengen berücksichtigt werden müssen. So liegt es nahe, Maschinelles Lernen zur Mustererkennung einzusetzen.
Wie viele Daten benötigt ein NLP-Algorithmus?
Natural-Language-Processing-Systeme funktionieren out of the box, um Textdaten aus der klinischen Routine zu analysieren. Wie viele Trainings- und Testdaten sind notwendig, um eine hohe Güte der Analysen sicherzustellen.
Healthcare Analytics in der Medizin
Was lässt sich mit Daten in der Medizin anstellen? Welche Erkenntnisse und möglicherweise Handlungsanweisungen könnte man ableiten? Wie lässt sich die Diagnose und Behandlung verbessern? Welche Rahmenbedingungen setzt der Datenschutz?
