Подходы на основе машинного и глубокого обучения в интеллектуальном здравоохранении: последние достижения, приложения, проблемы и перспективы

В последние годы машинное обучение (ML) и глубокое обучение (DL) стали ведущими подходами к решению различных задач в интеллектуальных медицинских приложениях, включая прогнозирование заболеваний, разработку лекарственных средств и анализ медицинских изображений. С учетом текущего прогресса в области ML и DL обе технологии обладают значительным потенциалом для поддержки здравоохранения. В настоящем исследовании представлен всесторонний обзор применения ML и DL в здравоохранении с акцентом на ключевые современные достижения, преимущества интеграции, области применения, перспективы и направления дальнейшего развития. Для проведения исследования были изучены ведущие журнальные и конференционные базы данных с использованием специальных ключевых слов с целью выявления релевантных научных публикаций. Сначала в сжатом виде представлены наиболее современные и передовые достижения в области анализа интеллектуального здравоохранения на основе ML и DL. Затем обобщено развитие различных сервисов на базе ML и DL, включая здравоохранение на основе ML, здравоохранение на основе DL и интегрированное здравоохранение на основе ML и DL. Далее рассмотрены приложения ML и DL в сфере здравоохранения. Наконец, на основе полученных результатов выделены исследовательские проблемы и предложены рекомендации для дальнейших исследований.