Na indústria da saúde, a grande análise de dados é extremamente importante, evidentemente porque a própria indústria alberga um vasto mar de conjuntos de dados. A análise é utilizada para examinar estes conjuntos de dados e descobrir informações e tendências ocultas, a fim de extrair conhecimentos e antecipar resultados. As actuais abordagens existentes carecem de uma categorização considerável e precisão de previsão, uma vez que a obtenção de dados clínicos e de cuidados de saúde estruturados é morosa e a previsão precisa de doenças utilizando relatórios em tempo real é uma tarefa difícil e computacionalmente intensiva. Por conseguinte, a compreensão dos motivos por detrás das abordagens de aprendizagem automática nos cuidados de saúde é essencial, uma vez que a precisão e exactidão são frequentemente críticas nos problemas dos cuidados de saúde. O objectivo é construir um modelo generalizado de previsão da aprendizagem mecânica clínica utilizando algoritmos de classificação supervisionados, a fim de prever várias doenças de saúde comuns mas graves através de um resultado binário.

L'auteur est titulaire d'un doctorat en chimie théorique et computationnelle obtenu au prestigieux IIT Madras sous la tutelle de certains des meilleurs théoriciens du pays. Ses recherches portent sur les "réseaux biochimiques stochastiques", de la cinétique enzymatique à l'expression des gènes en passant par la nanocatalyse, avec une utilisation intensive de Python et de MATLAB.