Medizinische Diagnose von Herzkrankheiten mit dem Naïve Bayes Algorithmus

In den letzten Tagen hat die Gesundheitsbranche riesige Mengen an Patientendaten gesammelt, die leider nicht so aufbereitet sind, dass sie verborgene Informationen liefern und somit wirksame Entscheidungen ermöglichen, die mit der Basis der Patientendaten verbunden sind und dem Data Mining unterzogen werden. In dieser Arbeit wurde eine Entscheidungshilfe für ein System zur Vorhersage von Herzkrankheiten (HDPS) entwickelt, das Data-Mining-Modellierungstechniken verwendet, nämlich Naïve Bayes und K-means, die zu den beliebtesten Techniken gehören. Anhand medizinischer Daten wie Alter, Geschlecht, Blutdruck, Blutzuckerspiegel, Brustschmerzen usw. können wir die Wahrscheinlichkeit einer Erkrankung des Patienten vorhersagen. Die meisten Krankenhäuser verwenden heute entscheidungsunterstützende Systeme, aber die Ergebnisse der Krankheit sind weitgehend begrenzt, d. h., bestimmen auf der Grundlage von Geschlecht, Familienstand und wer wegen Herzinsuffizienz behandelt worden ist. Lösungen werden in einem Krankenhaus immer auf der Grundlage der Intuition und Erfahrung der Ärzte getroffen und nicht auf der Grundlage der umfangreichen Wissensdaten, die in der Datenbank verborgen sind. Dieser Prozess führt zu unerwünschten Verzerrungen, Fehlern und unnötigen Kosten im Gesundheitswesen, was sich auf die Qualität der für die Patienten erbrachten Leistungen auswirkt und dazu beitragen wird, den Diagnoseprozess objektiver und zuverlässiger zu gestalten.

Autorentext

Dr.D KISHORE BABU recebeu o doutoramento em Informática e Engenharia pela JNTU,Kakinada Andhra Pradesh. Trabalha actualmente como professor no departamento de informática e engenharia no Instituto de Engenharia Aeronáutica,Hyderabad. É o revisor de várias revistas nacionais e internacionais e é um investigador devoto.