1. Главная
  2. Ресурсы
  3. Библиотечный поиск
DEVELOPING A MACHINELEARNING MODEL TOPREDICT POTENTIALDRUG INTERACTIONSBASED ON PATIENTCHARACTERISTICS ANDMEDICATION HISTORY Al Sagheer Mohammed MuanisIsmael2024 год

DEVELOPING A MACHINE LEARNING MODEL TO PREDICT POTENTIAL DRUG INTERACTIONS BASED ON PATIENT CHARACTERISTICS AND MEDICATION HISTORY : доклад, тезисы доклада
доклад, тезисы доклада, статья из сборника материалов конференций

Дополнительные ссылки: eLibrary · Источник статьи
База данных: Каталог библиотеки СФУ
Библиографическое описание: DEVELOPING A MACHINE LEARNING MODEL TO PREDICT POTENTIAL DRUG INTERACTIONS BASED ON PATIENT CHARACTERISTICS AND MEDICATION HISTORY : доклад, тезисы доклада / M. M. Al Sagheer. - [Б. м. : б. и.], 2024. - Текст : непосредственный // Искусственный интеллект. Формирование будущего : Материалы I Международной научно-практической конференции / Искусственный интеллект. Формирование будущего (2024 ; 29.04 - 29.04 ; Краснодар). - Краснодар, 2024. - С. 8-10. - ISBN 9785605178132.
Аннотация: In this study, a machine learning model was developed to predict potential drug interactions by analyzing patient characteristics and medication history from electronic health records. The model, trained on a large dataset [1], demonstrated high accuracy in identifying interactions, thereby enhancing patient safety and clinical decision-making. The findings of this study have significant implications for improving patient care and medication management practices.
Год издания: 2024
Авторы: Al Sagheer Mohammed Muanis Ismael
Издательство: Краснодар
Номера страниц: 8-10
Держатель оригинала документа: Siberian Federal University
Мероприятие: Искусственный интеллект. Формирование будущего (Краснодар, 2024 ; 29.04 - 29.04)
Количество экземпляров:
Твёрдая копия издания отсутствует в фонде библиотеки

Похожие публикации

Predictive models anddynamics of estimatesof applied taskscharacteristics usingmachine learningmethods Konstantinov A. V.2024 год

Predictive models and dynamics of estimates of applied tasks characteristics using machine…

  • Konstantinov A. V.
  • 2024 год
Analysis of theNatural InflowShort-termForecasting ModelsEfficiency to the HPPSite for theDay-ahead Based on… Mitrofanov Sergey V.Matrenin Pavel V.Sekretarev Uriy A.2023 год

Analysis of the Natural Inflow Short-term Forecasting Models Efficiency to the HPP Site for the…

  • Mitrofanov Sergey V. и др.
  • 2023 год
О ПРОГНОЗИРОВАНИИУСПЕШНОСТИ ОБУЧЕНИЯ Вайнштейн Ю.В.Носков М.В.Захарьин К.Н.2023 год

О ПРОГНОЗИРОВАНИИ УСПЕШНОСТИ ОБУЧЕНИЯ

  • Вайнштейн Ю.В. и др.
  • 2023 год
КОРРЕЛЯЦИОННЫЙ АНАЛИЗСВЯЗЕЙ МЕЖДУУСПЕВАЕМОСТЬЮ ПОТЕОРИИ ВЕРОЯТНОСТЕЙ ИЕЁДИСЦИПЛИНАМИ-ПРЕДШЕСТВЕННИКАМИ Боков А.И.2025 год

КОРРЕЛЯЦИОННЫЙ АНАЛИЗ СВЯЗЕЙ МЕЖДУ УСПЕВАЕМОСТЬЮ ПО ТЕОРИИ ВЕРОЯТНОСТЕЙ И ЕЁ ДИСЦИПЛИНАМИ…

  • Боков А.И.
  • 2025 год
Hybrid Stacking Modelfor AutomaticEpileptic SeizureDetection UsingElectroencephalogramSignals Egorova Lyudmila D.Kazakovtsev Lev A.Stupina Alena A.2024 год

Hybrid Stacking Model for Automatic Epileptic Seizure Detection Using Electroencephalogram Signals

  • Egorova Lyudmila D. и др.
  • 2024 год
Research on thePotential Use ofArtificialIntelligence Systemsfor AutomatingDecision-Making inMarkowitz… Masaev S.Lutsenko R.2025 год

Research on the Potential Use of Artificial Intelligence Systems for Automating Decision-Making…

  • Masaev S. и др.
  • 2025 год
Обработка, настройка,аналитика сигналов наверхнем уровне АСУТПСаяно - Шушенской ГЭС Тодоров А.Д.2025 год

Обработка, настройка, аналитика сигналов на верхнем уровне АСУТП Саяно - Шушенской ГЭС

  • Тодоров А.Д.
  • 2025 год
ПРИМЕНЕНИЕ МЕТОДАCATBOOST ДЛЯ ЗАДАЧИПРОГНОЗИРОВАНИЯ СХД Шуткина Е.В.Курашкин С.О.2024 год

ПРИМЕНЕНИЕ МЕТОДА CATBOOST ДЛЯ ЗАДАЧИ ПРОГНОЗИРОВАНИЯ СХД

  • Шуткина Е.В. и др.
  • 2024 год

Показать ещё

МОДЕЛИПРОГНОЗИРОВАНИЯФИНАНСОВЫХРЕЗУЛЬТАТОВ КОМПАНИИНА ОСНОВЕ БОЛЬШИХДАННЫХ И МАШИННОГООБУЧЕНИЯ Клепец А.М.Игнатов В.А.Гатапова В.Б.2025 год

МОДЕЛИ ПРОГНОЗИРОВАНИЯ ФИНАНСОВЫХ РЕЗУЛЬТАТОВ КОМПАНИИ НА ОСНОВЕ БОЛЬШИХ ДАННЫХ И МАШИННОГО ОБУЧЕНИЯ

  • Клепец А.М. и др.
  • 2025 год
Регрессионные моделимашинного обучения Кемельбаева А.Р.2023 год

Регрессионные модели машинного обучения

  • Кемельбаева А.Р.
  • 2023 год
Применение сверточнойнейронной сети иэволюционногоалгоритма дляпрогнозированиярезультатов побочных… Непомнящий О.В.Хантимиров А.Г.Аль-Сагир М.М.И.2024 год

Применение сверточной нейронной сети и эволюционного алгоритма для прогнозирования результатов…

  • Непомнящий О.В. и др.
  • 2024 год
Интегрированный методмашинного обучениядля анализа побочныхэффектовполипрагмазии Котов С. А.Непомнящий О. В.Пичковская С. Ю.2026 год

Интегрированный метод машинного обучения для анализа побочных эффектов полипрагмазии

  • Котов С. А. и др.
  • 2026 год
Neural networkanalysis of EEGpatterns of emotionallability as a toolfor predictingneurodegenerationrisks Neverov М.А.Lopatina O.L.Maslova Ya.V.2025 год

Neural network analysis of EEG patterns of emotional lability as a tool for predicting…

  • Neverov М.А. и др.
  • 2025 год
Динамическийкредитный скоринг:интеграция внешнихэкономическихиндикаторов в процессоценки заемщика Менцик Е. Д.Черкасова Ю. И.2026 год

Динамический кредитный скоринг: интеграция внешних экономических индикаторов в процесс оценки…

  • Менцик Е. Д. и др.
  • 2026 год
Механизмыискусственногоинтеллектадлясоциальногомоделирования в сфереобразования Шпак Анна Андреевна2024 год

Механизмы искусственного интеллектадля социального моделирования в сфере образования

  • Шпак Анна Андреевна
  • 2024 год
СИСТЕМАПРОГНОСТИЧЕСКОГОТЕХНИЧЕСКОГООБСЛУЖИВАНИЯ СИСПОЛЬЗОВАНИЕМТЕХНОЛОГИИДОПОЛНЕННОЙРЕАЛЬНОСТИ Дрозд О.В.2024 год

СИСТЕМА ПРОГНОСТИЧЕСКОГО ТЕХНИЧЕСКОГО ОБСЛУЖИВАНИЯ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИИ ДОПОЛНЕННОЙ…

  • Дрозд О.В.
  • 2024 год