مدل مبتنی بر تنسور برای خوشه بندی داده های سلامت در راستای پزشکی دقیق

پزشکی دقیق یکی از انواع مدلهای نوین پزشکی است که در صدد ارایه روش درمان متناسب با ویژگی های بیمار میباشد. برای ارایه روش درمانی یا پیشگرانه مناسب بیمار، ابتدا بیماران به زیرگروه هایی با بیشترین تشابه، تقسیم میشوند. دستیابی به پزشکی دقیق، نیازمند خوشهبندی صحیح و دقیق اطالعات بیمار است، لذا استفاده از روش های دادهکاوی که کارایی چشم گیری در خوشه بندی دارند انتخابی هوشمندانه به نظر میرسد. داده های حوزه سالمت، چند-وجهی و چند-بعدی با روابط پیچیده هستند و برای کاوش آنها نیاز به ساختاری داریم که قابلیت مدیریت چنین داده هایی را داشته باشد. ساختار ذاتی تنسورها باعث توانایی آنها در مواجهه با داده های چند-وجهی با ابعاد زیاد میگردد. در این مقاله مدلی مبتنی بر تنسور، در راستای خوشه بندی دقیق بیماران ارایه شده است. برای دستیابی به مدل نهایی فرایندی سیستماتیک معرفی گردیده که روند کامل انتقال داده های ورودی خام به محیط تنسور را شامل میشود. در این فرایند وجوه اصلی داده شناسایی شده و پس از پیش پردازش ابعاد تنسور نهایی را تشکیل میدهند. سپس تنسور تجزیه شده و خوشه ها استخراج میگردند. در راستای ارزیابی مدل پیشنهادی، سه منبع داده واقعی توسط مدل خوشه بندی شده و با نتایج حاصل از سه روش دادهکاوی مقایسه شده اند. دقت و صحت خوشه بندی توسط مدل پیشنهادی به ترتیب 21 %و 33 %بیشتر از سایر روش ها بوده و زمان کاوش نیز علیرغم هزینه سربار آماده سازی داده، 1 %کاهش داشته است. همچنین اساس منطقی تنسور باعث میشود نتایج قابل اطمینانتر باشند و سریع بودن مدلهای مبتنی بر تنسور باعث تحمل حجم بالای داده های پزشکی میشود.