医疗大数据环境下的疾病预测模型研究

随着社会经济建设以及医疗信息化的高速发展,传统的统计、分析、预测技术已经逐步无法满足行业的需求,医疗行业逐步进入大数据和人工智能时代,利用医院信息系统所积累的医疗大数据进行汇集、建模、分析,可以预测和判定未知数据的已知类型。对于医疗诊断也是同样如此,医疗信息数据挖掘和机器学习,可以为医学诊断提供丰富的实践参考价值。通过提取某三家医院大数据平台中9个指定特征症状的100份门诊病例,再提取出其中诊断结果为咳嗽病、感冒病症的病例,依据原始样本病例得出的经验熵,以及每个特征所能得到的信息增益,最后将特征数减少至2个,与原始数据集中采集的特征值有很大程度的减少。通过算法的描述得到了较简化的区分感冒和咳嗽病的决策树模型,使用该模型对其它历史病例进行测试,具有较高的准确率,基本达到诊断要求。实际应用中,可根据决策树最终特征值进行检验指标进行采集,减少了无用或者与疾病关系不大的指标采集过程,可减少疾病诊断检验复杂度,可达到诊断预测和辅助诊断的效果病,为医疗业务以及科研提供支持。