Диагностика заболеваний на основе машинного обучения: обзор литературы

Во всем мире сохраняется значительная неудовлетворенная потребность в эффективной диагностике различных заболеваний. Сложность механизмов разных болезней и симптомов у пациентов создает серьезные трудности при разработке инструментов ранней диагностики и эффективного лечения. Машинное обучение (МО), как область искусственного интеллекта, помогает исследователям, врачам и пациентам решать часть этих проблем. На основании соответствующих работ в обзоре показано, как машинное обучение используется для раннего выявления многочисленных заболеваний. Вначале выполнен библиометрический анализ публикаций по данным баз Scopus и Web of Science (WOS). Библиометрическое исследование 1216 публикаций позволило определить наиболее продуктивных авторов, страны, организации и наиболее цитируемые статьи. Затем в обзоре суммированы новейшие тенденции и подходы к диагностике заболеваний на основе машинного обучения (MLBDD) с учетом следующих факторов: алгоритм, типы заболеваний, тип данных, применение и метрики оценки. В заключение в статье выделены ключевые результаты и представлены представления о будущих тенденциях и возможностях в области MLBDD.