Services on Demand
Article
Indicators
Related links
- Cited by Google
- Similars in Google
Share
South African Journal of Industrial Engineering
On-line version ISSN 2224-7890
Print version ISSN 1012-277X
Abstract
PARSHOTAM, H. and NEL, G.S.. Diagnosis prediction using knowledge graphs. S. Afr. J. Ind. Eng. [online]. 2023, vol.34, n.3, pp.111-125. ISSN 2224-7890. http://dx.doi.org/10.7166/34-3-2941.
Konsultasies tussen dokters en pasiënte vorm die basis van die interaksie tussen beide partye, en lê die grondslag waarop toepaslike behandeling toegedien kan word. Vooruitgang in masjienleer-, inligting- en kommunikasietegnologieë het gesondheidsorgpraktisyns in staat gestel om die wyse waarop data vasgelê en ontleed word tydens hierdie inligtingryke vergaderings te verbeter. Die ware potensiaal van kliniese data kan slegs verwesenlik word indien kliniese databronne gesintetiseer word in 'n toepaslike data-voorstelling en modelleringsbenadering. Een so 'n benadering is 'n die sogenaamde kennisgrafiek (KG). Die doel in hierdie artikel is om konsultasieverwante data in 'n KG te modelleer en daarna om grafiekmasjienleertegnieke te gebruik om afwesige skakels tussen entiteite in die grafiek te identifiseer deur skakelvoorspelling, en sodoende addisionele besluitsteun aan die dokters te verskaf. 'n Gevallestudiedatastel wat 'n lys van pasiënte, hul onderskeie toestande en hul medikasie bevat, vorm die basis van die algoritmiese analise wat uitgevoer word.