Big Data Analytics for Healthcare: Datasets, Techniques, Life Cycles, Management, and Applications

Subliniem, încă de la prima parcurgere, importanța celor 120 de ilustrații, dintre care 80 sunt complet color, care facilitează înțelegerea fluxurilor de date și a modelelor de clasificare a bolilor. În Big Data Analytics for Healthcare, editorul Pantea Keikhosrokiani propune o abordare clinică și riguroasă a modului în care inteligența artificială transformă medicina modernă. Găsim în această carte o structură logică, împărțită în trei secțiuni ce ghidează cititorul de la fundamentele teoretice ale sistemelor de învățare (Learning Health Systems) până la aplicații avansate în medicina de precizie și gestionarea datelor biologice pentru bolile infecțioase.

Suntem de părere că un punct distinctiv al acestui volum este includerea analizei știrilor false din domeniul medical. Această perspectivă asupra dezinformării completează expertiza autorului, vizibilă și în lucrarea Handbook of Research on Opinion Mining and Text Analytics on Literary Works and Social Media, unde analiza sentimentelor și a textelor din rețelele sociale era tema centrală. Dacă în Perspectives in the Development of Mobile Medical Information Systems accentul cădea pe ciclul de viață al sistemelor mobile, volumul de față extinde aria de acoperire către procesarea volumelor masive de date (Big Data) pentru predicția clinică.

Clinicienii care folosesc Applications of Big Data in Healthcare de Ashish Khanna ca referință vor găsi aici un complement metodologic esențial, în special în ceea ce privește interpretarea datelor biologice complexe și utilizarea datelor publice guvernamentale (GPOD). De asemenea, față de abordarea generală din Data Science in the Medical Field, acest volum oferă tehnici specifice de management al seturilor de date, fiind un instrument de lucru indispensabil pentru cercetătorii care urmăresc implementarea algoritmilor de clasificare în timp real.