21、医疗数据的收集、处理与模型选择

医疗数据的收集、处理与模型选择

1. 医疗数据收集

数据收集是收集特定变量的可量化和定性数据的方法，目的是评估结果或获取可付诸行动的见解。可靠的数据收集需要有明确的程序，以确保收集到的统计数据一致、干净且可靠。这包括记录目标、确定数据需求、确定数据收集技术，并最终制定一个综合问题关键特征的数据收集计划。收集数据可被视为解决任何有监督机器学习问题的重要步骤。

1.1 数据收集要点

• API 使用 ：如果使用公共应用程序编程接口（API），在使用之前必须分析其限制。例如，一些 API 会对查询频率设置限制。
• 样本数量 ：最好有更多的训练示例或样本，这有助于模型更有效地进行泛化。
• 样本均衡 ：要确保每个类别或主题的样本数量不过度失衡，即每个类别都应有足够的样本以便进行清晰的比较。
• 样本覆盖 ：要确保样本有效涵盖可能输入的范围，而不仅仅是常见情况。

1.2 数据治理

数据的收集、获取和控制方式各不相同，且通常没有文档记录。为克服这一问题，数据治理应满足两个重要要求：考虑数据的获取和收集方式，并处理和记录为分析目的对数据所做的任何变动或操作。在有人研究、处理或收集数据时，必须遵循特定的数据“保管链”。

1.3 区块链技术

区块链是一种分布式数字存档，有助于记录系统中发生的交易，并使用加密技术进行保护。由于区块链网络具有不可挑战且经过加密验证的安全性，它为