Реєстраційний номер
2125U011991, Матеріали видань та локальних репозитаріїв
Категорія
Article
Назва роботи
Методи машинного навчання для виявлення аномалій у медичній статистиці України: аналітичний огляд
Machine learning methods for anomaly detection in Ukrainian medical statistics: an analytical overview
Автор
Бобко Б. В.
Жуков С. О.
Bobko B. V.
Zhukov S. O.
Bobko B. V.
Zhukov S. O.
Дата публікації
01-01-2025
Постачальник інформації
Вінницький національний технічний університет
Першоджерело
https://ir.lib.vntu.edu.ua/handle/123456789/49988
Видання
Херсонський державний аграрний університет
Опис
У статті розглянуто теоретичні засади застосування методів машинного навчання для виявлення аномалій у медичних статистичних даних. Проаналізовано сучасні підходи до детектування аномалій у великих масивах медичної інформації, включаючи агреговані показники охорони здоров’я та дані пацієнтів. Визначено основні типи аномалій (точкові, контекстні, колективні) та класифіковано методи виявлення аномалій (контрольовані, напівконтрольовані, неконтрольовані) з акцентом на останніх, що найчастіше застосову- ються через брак розмічених даних. Розглянуто алгоритми і моделі машинного навчання, які використовуються для пошуку нетипових спостережень: статистичні, метрики близькості, кластерні, однокласові класифікатори, ансамблеві методи (наприклад, Isolation Forest) та глибокі нейронні мережі (автоенкодери). Наведено приклади вико- ристання таких методів для підвищення якості медичних даних (виявлення помилкових записів, аномальних значень показників) та для виявлення незвичних патернів, що можуть сигналізувати про нові явища (спалахи захворювань, шахрайство у сфері охорони здоров’я тощо). Узагальнення літератури показало, що використання методів машинного нав- чання дозволяє автоматизувати процес виявлення аномалій і значно скоротити час, який витрачається фахівцями на перевірку даних вручну. Відповідні методи успішно застосо- вано як за кордоном, так і в Україні, зокрема для контролю якості медичної статистики. Методи машинного навчання також демонструють потенціал у прогнозуванні тенденцій та оцінці ризиків у медичних системах, що посилює їхню роль у цифровій трансформації охорони здоров’я. Методологія машинного навчання є ефективним інструментом для зна- ходження аномалій у медичній статистиці, що сприяє своєчасному виявленню помилок даних та нестандартних ситуацій, підвищуючи обґрунтованість управлінських рішень у сфері охорони здоров’я.
Додано/оновлено в НРАТ
2026-11-03
