Some machine learning algorithms ca

Some machine learning algorithms can be applied in medical field as second-opinion diagnostic tools and as tools for the knowledge extraction phase in the process of knowledge discovery in databases. One of these classifiers (called Prototype exemplar learning classifier (PEL-C)[25] is able to discover syndromes as well as atypical clinical cases.

In 2011, the case of Sorrell v. IMS Health, Inc., decided by the Supreme Court of the United States, ruled that pharmacies may share information with outside companies. This practice was authorized under the 1st Amendment of the Constitution, protecting the "freedom of speech."[26] However, the passage of the Health Information Technology for Economic and Clinical Health Act (HITECH Act) helped to initiate the adoption of the electronic health record (EHR) and supporting technology in the United States.[27] The HITECH Act was signed into law on February 17, 2009 as part of the American Recovery and Reinvestment Act (ARRA) and helped to open the door to medical data mining.[28] Prior to the signing of this law, estimates of only 20% of United States-based physicians were utilizing electronic patient records.[27] Søren Brunak notes that “the patient record becomes as information-rich as possible” and thereby “maximizes the data mining opportunities.”[27] Hence, electronic patient records further expands the possibilities regarding medical data mining thereby opening the door to a vast source of medical data analysis.

ผลลัพธ์ (ไทย) 1:

เครื่องบางอัลกอริทึมการเรียนรู้สามารถใช้ในเครื่องมือวินิจฉัยความเห็นที่สอง และ เป็นเครื่องมือในขั้นตอนการสกัดความรู้กำลังค้นพบความรู้ในฐานข้อมูล คำนามภาษาเหล่านี้อย่างใดอย่างหนึ่ง (เรียกว่าต้นแบบ exemplar เรียน classifier (PEL-C) [25] ได้สามารถสัมผัสแสงศตวรรษเป็นกรณีพิเศษทางคลินิกใน 2011 กรณีของซอร์เรลล์ v. IMS สุขภาพ Inc. โดยศาลฎีกาแห่งสหรัฐอเมริกา ปกครองว่า ยาอาจใช้ข้อมูลร่วมกับบริษัทภายนอก แบบฝึกหัดนี้ได้รับการอนุญาตภายใต้แก้ไข 1 ของรัฐธรรมนูญ ปกป้อง "เสรีภาพของการพูด" [26] อย่างไรก็ตาม เส้นทางของเทคโนโลยีสารสนเทศสุขภาพเศรษฐกิจและคลินิกสุขภาพตามพระราชบัญญัติ (บัญญัติไฮเทค) ช่วยการเริ่มต้นของระเบียนสุขภาพอิเล็กทรอนิกส์ (EHR) และเทคโนโลยีที่สนับสนุนในสหรัฐอเมริกา [27] บัญญัติไฮเทคลงนามเป็นกฎหมายในเดือน 17 กุมภาพันธ์ 2009 เป็นส่วนหนึ่งของการกู้คืนอเมริกันและ Reinvestment บัญญัติ (จองล่วงหน้า) และช่วยเปิดประตูสู่การทำเหมืองข้อมูลทางการแพทย์ [28] ก่อนการลงนามนี้กฎหมาย ประเมินเพียง 20% ของแพทย์จากสหรัฐอเมริกาได้ใช้ระเบียนผู้ป่วยแบบอิเล็กทรอนิกส์ [27] Søren Brunak บันทึกที่ "ประวัติผู้ป่วยจะเป็นข้อมูลที่รวยที่สุด" และเพื่อ "วางโอกาสทำเหมืองข้อมูล" [27] ดังนั้น ระเบียนการผู้ป่วยอิเล็กทรอนิกส์เพิ่มเติมขยายโอกาสเกี่ยวกับการทำเหมืองข้อมูลแพทย์จึงเปิดประตูแหล่งใหญ่ของการวิเคราะห์ข้อมูลทางการแพทย์

ผลลัพธ์ (ไทย) 2:

บางขั้นตอนวิธีการเรียนรู้เครื่องสามารถนำมาใช้ในด้านการแพทย์เป็นเครื่องมือในการวินิจฉัยความเห็นที่สองและเป็นเครื่องมือในการขั้นตอนการสกัดความรู้ในกระบวนการของการค้นพบความรู้ในฐานข้อมูล หนึ่งในเหล่านี้จําแนก (เรียกว่าต้นแบบการเรียนรู้แบบลักษณนาม (PEL-C) [25] สามารถที่จะค้นพบอาการเช่นเดียวกับกรณีที่ทางคลินิกที่ผิดปกติ. ในปี 2011 กรณีของ Sorrell v. IMS Health, Inc ตัดสินใจโดยศาลฎีกา ของสหรัฐอเมริกาตัดสินว่าร้านขายยาอาจแบ่งปันข้อมูลกับ บริษัท นอก. การปฏิบัตินี้ได้รับอนุญาตภายใต้ 1 แก้ไขเพิ่มเติมรัฐธรรมนูญปกป้อง "เสรีภาพในการพูด." [26] อย่างไรก็ตามในทางเดินของเทคโนโลยีสารสนเทศด้านสุขภาพเศรษฐกิจและ พระราชบัญญัติสุขภาพคลินิก (ไฮเทค พ.ร.บ. ) ช่วยในการเริ่มต้นการยอมรับของบันทึกสุขภาพอิเล็กทรอนิกส์ (EHR) และเทคโนโลยีการสนับสนุนในประเทศสหรัฐอเมริกา. [27] ไฮเทคพระราชบัญญัติลงนามในกฎหมายที่ 17 กุมภาพันธ์ปี 2009 เป็นส่วนหนึ่งของอเมริกันและการกู้ พระราชบัญญัติ Reinvestment (สถาบันวิจัย) และช่วยในการเปิดประตูไปสู่การทำเหมืองข้อมูลทางการแพทย์. [28] ก่อนที่จะมีการลงนามในกฎหมายนี้ประมาณการของเพียง 20% ของสหรัฐอเมริกาตามแพทย์ถูกใช้ระเบียนของผู้ป่วยอิเล็กทรอนิกส์. [27] บันทึกSøren Brunak ที่ "บันทึกของผู้ป่วยจะกลายเป็นข้อมูลที่อุดมไปด้วยเป็นไปได้" และด้วยเหตุนั้น "ช่วยเพิ่มโอกาสในการทำเหมืองข้อมูล." [27] ดังนั้นระเบียนของผู้ป่วยอิเล็กทรอนิกส์ต่อขยายความเป็นไปได้เกี่ยวกับการทำเหมืองข้อมูลทางการแพทย์ที่จะช่วยเปิดประตูไปสู่การเป็นแหล่งใหญ่ของข้อมูลทางการแพทย์ การวิเคราะห์