Con cada noticia, Los conceptos de información sanitaria de minería de datos ocupan un lugar cada vez más alto en la agenda de investigación y políticas en esta área. La información clínica y los datos genéticos contenidos en los registros médicos electrónicos (HCE) representan una fuente importante de información útil para la investigación biomédica, pero acceder a ellos de manera útil puede resultar difícil.

Escribiendo en la Revista Internacional de Informática de Ingeniería Inteligente, Hassan Mahmoud y Enas Abbas de la Universidad de Benha y la Universidad Ibrahim Fathy Ain Shams, en Egipto, discutir la necesidad de métodos innovadores y efectivos para representar esta enorme cantidad de datos. Señalan que existen técnicas de minería de datos, así como técnicas basadas en ontologías que pueden desempeñar un papel importante en la detección de síndromes en pacientes de manera eficiente y precisa. Un síndrome se define como un conjunto de síntomas e indicadores médicos concomitantes asociados con una determinada enfermedad o trastorno.

El equipo ha revisado el estado del arte y también se ha centrado en revisar las técnicas de minería de datos conocidas, como los árboles de decisión (J48), Bayes ingenuo, perceptrón multicapa (MLP), y técnicas de bosque aleatorio (RF) y compararon qué tan bien se desempeñan cada una en la clasificación de un síndrome en particular, enfermedad del corazón.

El equipo concluye que en experimentos con un conjunto de datos públicos, el clasificador de RF proporciona el mejor rendimiento en términos de precisión. En el futuro, sugieren que la minería de datos beneficiará a la salud y la medicina de manera significativa para construir un sistema capaz de detectar un síndrome específico.