High-performance information technology for processing large datasets and biomedical images to improve the accuracy of computer-aided decision support systems

Abstract

Сучасну біомедичну інженерію характеризує стрімке зростання обсягів даних, які потребують обробки та аналізу для підтримки клінічних рішень. Інформаційні технології відіграють ключову роль у забезпеченні високопродуктивної обробки цих великих наборів даних, сприяючи підвищенню точності та швидкості клінічних діагнозів, а також ефективнішому подальшому лікуванню пацієнтів. Ця стаття має на меті розглянути сучасні підходи та технології, що використовуються для обробки біомедичних даних, і переосмислити підхід до використання великих даних у системах підтримки ухвалення рішень. Особливу увагу приділено методам машинного навчання, які підвищують ефективність аналізу даних. Запропонований у цій статті підхід до обробки даних дозволяє на 10–12 % підвищити точність класифікації патологій хребта, що підтверджує його доцільність у медичній практиці.

Modern biomedical engineering is characterized by the rapid growth of data volumes that require processing and analysis to support clinical decision-making. Information technology plays a key role in ensuring the high-performance processing of these large datasets, contributing to the increased accuracy and speed of clinical diagnoses, as well as more effective subsequent patient treatment. This article aims to review current approaches and technologies used for biomedical data processing and to rethink the approach to using big data in decision support systems. Special attention is given to machine learning methods that enhance data analysis efficiency. The data processing approach proposed in this article allows for an 10-12% increase in the accuracy of spinal pathology classification, confirming its feasibility in medical practice.