Grafico della conoscenza per il motore decisionale

Con l'avvento delle tecnologie Bigdata i dati sanitari vengono acquisiti e archiviati a più livelli granulari e in più formati. Nel settore sanitario gli ospedali le aziende farmaceutiche e le compagnie assicurative dispongono di un'enorme quantità di dati in tabelle strutturate. Tuttavia quantità significative di big data rimangono sottoutilizzate a causa dell'isolamento della distribuzione e dell'eterogeneità dei dati. Nonostante l'interconnessione di dati tabellari collegati tra loro in qualche modo per l'input di ML le sfide sono: aumento della dimensionalità normalizzazione dei dati che non sono una rappresentazione naturale ripetizione dei dati nell'unione di diversi dati aggregati tra le tabelle. I modelli di apprendimento automatico suppongono che le osservazioni non siano dipendenti ma le informazioni del mondo reale sono interconnesse. I grafi della conoscenza e l'apprendimento automatico sono due strumenti importanti per comprendere e modellare concetti complessi mentre l'apprendimento automatico è un processo attraverso il quale i computer imparano dai dati senza essere esplicitamente programmati.