Методи та засоби інтелектуального аналізу динаміки захворювань за даними електронної медичної документації

Abstract

Кваліфікаційна робота присвячена розробці інтелектуальної системи аналізу динаміки захворювань на основі даних електронної медичної документації із використанням алгоритму XGBoost та сучасних технологій розробки. Розглянуто теоретичні засади інтелектуального аналізу даних у медицині. Проаналізовано специфіку медичних даних, обґрунтовано вибір технологічного стеку. Досліджено математичне моделювання на основі градієнтного бустингу. Висвітлено принципи роботи алгоритму XGBoost, підходи до формування вектора ознак, архітектуру трирівневої системи та механізм інтеграції Python-аналітичного ядра із серверною частиною на Node.js. Наведено практичну реалізацію інтелектуальної системи, що охоплює розробку предиктивного модуля на XGBoost, серверної частини на Node.js, інтеграцію з Python-аналітичним ядром та створення веб-інтерфейсу на React.js.

The qualification thesis is devoted to the development of an intelligent system for analyzing disease dynamics based on electronic medical record data using the XGBoost algorithm and modern development technologies. The theoretical foundations of intelligent data analysis in medicine are considered. The specifics of medical data are analyzed, and the choice of the technological stack is substantiated. Mathematical modeling based on gradient boosting is investigated. The principles of the XGBoost algorithm operation, approaches to feature vector formation, the architecture of a three-tier system, and the mechanism of integration of the Python analytical core with the server side based on Node.js are highlighted. The practical implementation of the intelligent system is presented, covering the development of a predictive module based on XGBoost, the server side on Node.js, integration with the Python analytical core, and the creation of a web interface using React.js.