Gráfico de conhecimentos para o motor de decisão

Com o advento das tecnologias Bigdata os dados relativos aos cuidados de saúde são capturados e armazenados a vários níveis granulares e em vários formatos. No domínio dos cuidados de saúde os hospitais as empresas farmacêuticas e as companhias de seguros dispõem de uma enorme quantidade de dados em tabelas estruturadas. No entanto quantidades significativas de grandes volumes de dados continuam a ser subutilizadas devido ao isolamento à distribuição e à heterogeneidade dos dados. Apesar de os dados tabulares interligados estarem de alguma forma ligados entre si para a entrada de ML os desafios são o aumento da dimensionalidade a normalização dos dados que não são uma representação natural a repetição de dados na fusão de diferentes dados agregados entre tabelas. Os modelos de aprendizagem automática pressupõem que as observações não são dependentes no entanto a informação do mundo real está interligada. Os gráficos de conhecimento e a aprendizagem automática são duas ferramentas importantes para compreender e modelar conceitos complexos enquanto a aprendizagem automática é um processo pelo qual os computadores aprendem a partir de dados sem serem explicitamente programados.