Intelligent Data Analysis in Medicine and Pharmacology

تحلیل هوشمند داده‌ها، داده‌کاوی و کشف دانش در پایگاه‌های داده اخیراً توجه تعداد زیادی از محققان و متخصصان را به خود جلب کرده است. این امر با افزایش سریع تعداد ارسال‌ها و شرکت‌کنندگان در کنفرانس‌ها و کارگاه‌های آموزشی مرتبط، ظهور مجلات جدید در این زمینه (مانند داده‌کاوی و کشف دانش، تحلیل هوشمند داده‌ها و غیره) و افزایش تعداد اپلیکیشن های جدید در این زمینه به نظر ما، آگاهی از این زمینه های تحقیقاتی چالش برانگیز و فناوری های نوظهور در صنعت بسیار بیشتر از پزشکی و داروشناسی بوده است. هدف اصلی این کتاب ارائه تکنیک ها و روش های مختلفی است که برای تجزیه و تحلیل هوشمند داده ها در پزشکی و فارماکولوژی در دسترس است و ارائه مطالعات موردی کاربرد آنها.
تحلیل هوشمند داده‌ها در پزشکی و فارماکولوژی شامل مقالات منتخب (و کاملاً اصلاح شده) است که در اولین کارگاه بین‌المللی تحلیل داده‌های هوشمند در پزشکی و فارماکولوژی (IDAMAP-96) در بوداپست در آگوست 1996 به عنوان بخشی از دوازدهمین کنفرانس اروپایی در زمینه هوش مصنوعی (ECAI-96)، IDAMAP-96 با انگیزه جمع آوری دانشمندان و پزشکان علاقه مند به روش های تجزیه و تحلیل داده های محاسباتی کاربردی در پزشکی و فارماکولوژی، با هدف کاهش شکاف فزاینده بین سازماندهی شد. حجم بیش از حد داده های ذخیره شده در پایگاه های اطلاعاتی پزشکی و دارویی از یک سو و تفسیر، درک و استفاده موثر از داده های ذخیره شده از سوی دیگر. علاوه بر مقالات اصلاح شده کارگاه، این کتاب شامل مجموعه ای از مشارکت های نویسندگان دعوت شده است.
خوانندگان مورد انتظار کتاب، محققان و دست اندرکاران علاقه مند به تجزیه و تحلیل هوشمند داده ها، داده کاوی و کشف دانش در پایگاه های داده هستند، به ویژه کسانی که علاقه مند به استفاده از این فناوری ها در پزشکی و فارماکولوژی هستند. محققان و دانشجویان هوش مصنوعی و آمار نیز باید این کتاب مورد علاقه را پیدا کنند. در نهایت، بسیاری از مطالب ارائه شده برای پزشکان و فارماکولوژیست‌هایی که با فناوری‌های محاسباتی جدید به چالش کشیده شده‌اند، یا صرفاً نیاز به استفاده مؤثر از حجم عظیم داده‌های جمع‌آوری‌شده در نتیجه بهبود پشتیبانی رایانه در فعالیت‌های حرفه‌ای روزانه‌شان، جالب خواهد بود.

Intelligent data analysis, data mining and knowledge discovery in databases have recently gained the attention of a large number of researchers and practitioners. This is witnessed by the rapidly increasing number of submissions and participants at related conferences and workshops, by the emergence of new journals in this area (e.g., Data Mining and Knowledge Discovery, Intelligent Data Analysis, etc.), and by the increasing number of new applications in this field. In our view, the awareness of these challenging research fields and emerging technologies has been much larger in industry than in medicine and pharmacology. The main purpose of this book is to present the various techniques and methods that are available for intelligent data analysis in medicine and pharmacology, and to present case studies of their application.
Intelligent Data Analysis in Medicine and Pharmacology consists of selected (and thoroughly revised) papers presented at the First International Workshop on Intelligent Data Analysis in Medicine and Pharmacology (IDAMAP-96) held in Budapest in August 1996 as part of the 12th European Conference on Artificial Intelligence (ECAI-96), IDAMAP-96 was organized with the motivation to gather scientists and practitioners interested in computational data analysis methods applied to medicine and pharmacology, aimed at narrowing the increasing gap between excessive amounts of data stored in medical and pharmacological databases on the one hand, and the interpretation, understanding and effective use of stored data on the other hand. Besides the revised Workshop papers, the book contains a selection of contributions by invited authors.
The expected readership of the book is researchers and practitioners interested in intelligent data analysis, data mining, and knowledge discovery in databases, particularly those who are interested in using these technologies in medicine and pharmacology. Researchers and students in artificial intelligence and statistics should find this book of interest as well. Finally, much of the presented material will be interesting to physicians and pharmacologists challenged by new computational technologies, or simply in need of effectively utilizing the overwhelming volumes of data collected as a result of improved computer support in their daily professional practice.