Învățarea automată în detectarea bolilor

Abstract

Teza de master are drept scop crearea unei platforme web care utilizează tehnologia de învățare automată pentru a ajuta pacienții în procesul de diagnosticare a bolilor și oferirea accesibilității și flexibilității în accesarea serviciilor medicale. Pentru a atinge acest scop, sunt definite mai multe obiective principale: prezicerea diagnosticului în baza simptomelor

pacientului, , prezicerea diagnosticului bolilor de inimă pe baza mai multor indici, vizualizarea spitalelor din apropiere, posibilitatea de a face programări pentru consultații de urgență și posibilitatea de a comunica cu medicul prin intermediul chat-ului. Aceste funcționalități vor ajuta pacienții să primească diagnosticuri mai precise și mai rapide, să găsească spitale și să programeze consultații într-un mod mai eficient, oferindu-le astfel o experiență mai bună în ceea ce privește accesul la serviciile medicale.

În platformă se utilizează algoritmii de învățare automată: Naïve Bayes, Decision Tree

Classifier și Random Forest Tree.

Această platformă a fost realizată într-o aplicație complexă Web cu 2 componente,

“front-end” și “back-end”. Pe partea de front-end s-au folosit instrumentele: HTML, CSS,

JavaScript, Bootstrap, iar pe partea de back-end au fost folosite instrumentele: Python, Flask. Metodele bazate pe invățarea automată se folosesc pentru a îmbunătăți precizia și

acuratețea diagnosticii medicale, reducând astfel erorile și scăzând costurile asociate cu diagnosticul și tratamentul bolilor. Implicațiile practice ale cercetării sunt semnificative pentru domeniul medical, cu potențiale implicații în dezvoltarea unor tehnologii mai bune de detectare a bolilor, care ar putea fi folosite în viitor pentru îmbunătățirea sănătății și calității vieții oamenilor.

The master's thesis aims to create a web platform that uses machine learning technology to help patients in the process of diagnosing diseases and providing accessibility and flexibility in accessing medical services. To achieve this goal, several main objectives are defined: predicting the diagnosis based on the patient's symptoms, predicting the diagnosis of heart diseases based on several indices, viewing nearby hospitals, the ability to make appointments for emergency consultations and the ability to communicate with the doctor via chat. These functionalities will help patients receive more accurate and faster diagnoses, find hospitals and schedule appointments more efficiently, thus giving them a better experience in accessing medical services.

The platform uses the machine learning algorithms: Naïve Bayes, Decision Tree Classifier and Random Forest Tree.

This platform was made into a complex Web application with 2 components, "front-end" and "back-end". On the front-end side, the following tools were used: HTML, CSS, JavaScript, Bootstrap, and on the back-end side, the following tools were used: Python, Flask.

Machine learning-based methods are used to improve the precision and accuracy of medical diagnosis, thereby reducing errors and lowering costs associated with disease diagnosis and treatment.

The practical implications of research are significant for the medical field, with potential implications for the development of better disease detection technologies that could be used in the future to improve people's health and quality of life.