Raqamli Transformatsiya va Sun’iy Intellekt
ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ МЕДИЦИНСКИХ ДАННЫХ В ЗАДАЧАХ РАННЕЙ ДИАГНОСТИКИ ВИЧ-ИНФЕКЦИИ
1 Ташкентский университет информационных технологий имени Мухаммада ал-Хоразмий
Zenodo DOI: 10.5281/zenodo.22874521
Keywords
Abstract
В статье рассматриваются современные методы ранней диагностики ВИЧ-инфекции на основе технологий Data Mining и Machine Learning. Проведён анализ традиционных методов диагностики ВИЧ и их ограничений. Особое внимание уделено применению алгоритмов Logistic Regression, Random Forest, SVM, XGBoost и нейронных сетей для анализа медицинских данных. Выполнен сравнительный анализ эффективности моделей, рассмотрены проблемы качества медицинских данных, интерпретируемости и внедрения интеллектуальных систем в клиническую практику. Показано, что методы машинного обучения обладают высоким потенциалом для повышения эффективности раннего выявления ВИЧ-инфекции.
References
- WHO. Global health sector strategies on HIV, viral hepatitis and sexually transmitted infections 2022–2030. Geneva: WHO, 2022.
- Cohen M.S. Prevention of HIV-1 infection with early antiretroviral therapy // N. Engl. J. Med. 2011. Vol. 365. P. 493–505.
- Mellors J.W. Prognosis in HIV-1 Infection Predicted by the Quantity of Virus in Plasma // Science. 1996. Vol. 272. P. 1167–1170.
- Branson B.M. Revised Recommendations for HIV Testing of Adults, Adolescents, and Pregnant Women in Health-Care Settings // MMWR. 2006. Vol. 55. RR-14.
- Eisinger R.W., Dieffenbach C.W., Fauci A.S. HIV Viral Load and Transmissibility of HIV Infection: Undetectable Equals Untransmittable // JAMA. 2019. Vol. 321, No. 5. P. 451–452.
- UNAIDS. Global HIV & AIDS statistics — Fact sheet 2024. Geneva: UNAIDS, 2024.