Praktische Daten zum Gesundheitswesen

Das Gesundheitswesen ist die nächste Grenze für Data Science. Mit den neuesten Methoden des maschinellen Lernens, des Deep Learning und der Verarbeitung natürlicher Sprache kannst du die drängendsten Probleme des Gesundheitswesens lösen: die Kosten für die Versorgung senken, sicherstellen, dass die Patienten die beste Behandlung erhalten, und die Zugänglichkeit für unterversorgte Menschen verbessern. Aber zuerst musst du lernen, wie du auf all diese Daten zugreifen und sie sinnvoll nutzen kannst.

Dieses Buch bietet pragmatische und praxisnahe Lösungen für die Arbeit mit Gesundheitsdaten, von der Datenextraktion über die Bereinigung und Harmonisierung bis hin zum Feature Engineering. Der Autor Andrew Nguyen behandelt spezifische ML- und Deep-Learning-Beispiele mit dem Schwerpunkt auf der Erzeugung hochwertiger Daten. Du erfährst, wie Graphen-Technologien dir helfen, unterschiedliche Datenquellen zu verbinden, damit du die schwierigsten Probleme im Gesundheitswesen mit fortschrittlichen Analysen lösen kannst.

Du wirst lernen:

• Unterschiedliche Arten von Gesundheitsdaten: elektronische Gesundheitsakten, klinische Register und Studien, digitale Gesundheitstools und Anspruchsdaten
• Die Herausforderungen bei der Arbeit mit Gesundheitsdaten, insbesondere wenn du versuchst, Daten aus verschiedenen Quellen zusammenzuführen
• Aktuelle Optionen für die Extraktion strukturierter Daten aus klinischem Text
• Wie man bei der Verwendung von Tools und Frameworks zur Normalisierung strukturierter Gesundheitsdaten Kompromisse eingeht
• Wie man Gesundheitsdaten mithilfe von Terminologien, Ontologien, Mappings und Crosswalks harmonisiert