Scalable Machine Learning for Predicting At-Risk Profiles Upon Hospital Admission

ما در آزمایش های عملی با اطلاعات واقعی میلیون ها بیمار و صدها بیمارستان گزارش می کنیم. ما نشان می دهیم که تجزیه و تحلیل دقیق از چنین داده های بزرگ می تواند تشخیص بیماران در معرض خطر را بهبود بخشد، و این امکان ایجاد مدل های پیش بینی دقیق تر است که به طور قابل توجهی از حجم و تنوع استفاده می کنند، در حالی که رعایت معیارهای مهم در بیمارستان ها.