Applying machine learning algorithms to medical knowledge

Abstract

Achieving great and undeniable success in a great variety of industries and businesses has made the term Big Data very popular among the scientific community. Big Data (BD) refers to the ever fast-growing research area in Computer Science (CS) that comprises many work areas across the world. The healthcare sector is widely known to be highly proficient in the production of big quantities of data. It can go from health information, such as the patient’s blood pressure and cholesterol levels, to more private and sensitive data, such as the medical procedures history or the report of ongoing diseases. The application of sophisticated techniques enables a profound and rigorous analysis of data, something a human cannot do in real-time. However, a machine is capable of rapidly collect, group, storage and examine vast amounts of data and extract unknown and possi bly interesting knowledge from it. The algorithms used can discover hidden relationships between attributes that prove to be very useful for a corporation’s work. Buried structures within the produced data can also be detected by these techniques. Machine Learning (ML) methods can be adjusted and modelled to different input representations - this adaptability is one of the factors that contributes to its blooming prosperity. The main goal is to make predictions on data, by building utterly efficient models that can accurately take in the data and thus predict a certain outcome. This is especially important to the healthcare industry since it can considerably improve the lives of many patients. Everything from detecting a type of disease, predicting the chance of morbidity after a hospital stay, to aid in the decision making of treatment strategies are vital to patients as well as to clinicians. Any improvement over established methods that have been previously studied, tested and published are an asset that will improve the patient’s satisfaction about the healthcare performance in medical institutions. This can be achieved by refining those algorithms or implementing new approaches that will make better predictions on the given data. The main objective of this dissertation is to propose ML approaches having acknowledged and evaluated the existent methods used in clinical data. In order to fulfill this goal, an analysis of the state of the art of medical knowledge repositories and scientific papers published related to the selected keywords selected was performed. In this line of work, it is crucial to understand, compare and discuss the results obtained to those previously published. Thus, one of the goals is to suggest new ways of solving those problems and measuring them up against the existent ones.

Obter um sucesso enorme e inegável numa grande variedade de indústrias e companhias, tomou o termo Big Data (BD) muito popular entre a comunidade científica. Big Data refere-se à área de investigação em Engenharia Informática que revela um crescimento rápido e está envolvida em várias áreas em todo o mundo. O setor da saúde é universalmente con-hecido por ser altamente frutífero na produção de grandes quantidades de dados. Podem variar desde dados de saúde, tais como, o valor da pressão sanguínea e nível de coles-terol do paciente, até dados mais confidenciais, como o histórico de cirurgias realizadas e doenças diagnosticadas. A aplicação de técnicas sofisticadas permite uma análise profunda e rigorosa dos dados -algo que um ser humano não consegue fazer em tempo real. No entanto, uma máquina não tem dificuldades em recolher, agrupar, armazenar e analisar rapidamente grandes quanti-dades de dados e extrair deles conhecimento que era desconhecido e, possivelmente, interessante. Os algoritmos usados podem ser usados para descobrir relações desconhecidas entre os vários atributos, que se podem revelar bastante úteis para o dia-a-dia de uma empresa. Estruturas e padrões escondidos nos dados podem ser também detetados através das mesmas técnicas. Os métodos de Machine Learning (ML) podem ser ajustados e modela-dos de forma a aceitar diferentes representações de dados de entrada - esta adaptabilidade é um dos fatores mais proeminentes que contribui para a sua prosperidade. O principal objetivo é fazer previsões sobre os dados, de modo a construir modelos totalmente eficientes que possam analisar os dados de forma precisa, e, assim, prever um determinado resultado. Isto é especialmente importante para o setor da saúde, uma vez que pode melhorar consideravelmente a vida de muitos pacientes. Tudo, desde a deteção de um certo tipo de doença, prever a probabilidade de morbilidade após um internamento até a auxiliar na tomada de decisão em relação a estratégias de tratamento, é vital para os pacientes, bem como para os médicos. Portanto, qualquer melhoria em relação a métodos já estabelecidos que foram previamente estudados, testados e publicados é uma mais-valia que melhorará a satisfação do paciente em relação à sua experiência com os serviços de saúde. Tal pode ser alcançado refinando esses algoritmos ou mesmo implementando novas abordagens que farão melhores previsões sobre os dados. O principal objetivo desta dissertação é propor abordagens de ML, fazendo um reconhecimento e avaliando os métodos existentes utilizados em dados médicos. Desta forma, foi posta em prática uma análise ao estado da arte de repositórios de conhecimento médico, bem como a artigos científicos relacionados com esses conjuntos de dados. Assim, é fundamental compreender, comparar e discutir os resultados obtidos com os publicados anteriormente. Portanto, um dos objetivos é sugerir novas formas de resolver os problemas, tecendo uma comparação com os existentes.