С появлением технологий Bigdata данные о здравоохранении собираются и хранятся на разных уровнях и в разных форматах. В сфере здравоохранения больницы, фармацевтические и страховые компании располагают огромным объемом данных в структурированных таблицах.

Однако значительные объемы больших данных остаются неиспользованными из-за изолированности, распределенности и неоднородности данных. Несмотря на взаимосвязанные табличные данные, определенным образом связанные между собой для ввода в ML, возникают следующие проблемы: увеличение размерности, нормализация данных, которые не являются естественным представлением, повторение данных при объединении различных агрегированных данных в таблицах.

Модели машинного обучения предполагают, что наблюдения не зависят друг от друга, однако в реальном мире информация взаимосвязана. Графы знаний и машинное обучение - два важных инструмента для понимания и моделирования сложных концепций, а машинное обучение - это процесс, в ходе которого компьютеры учатся на основе данных, не будучи явно запрограммированными.

. .