Библиотеку данных Survivors для точного прогнозирования рисков в медицине и промышленности разработали в МГУ

Машинное обучение и обработка неполных данных делают прогнозы надежнее

Специалисты факультета вычислительной математики и кибернетики Московского государственного университета имени М. В. Ломоносова создали библиотеку данных Survivors, которая помогает оценивать риски смерти пациентов и вероятность выхода из строя медицинского оборудования.

Источник изображения сгенерировано нейросетью Grok

Библиотека Survivors разработана на языке Python и предназначена для анализа событий во времени. Она учитывает сложные зависимости в данных и корректно работает даже при наличии пропущенных значений, что повышает точность прогнозов.

Отмечается универсальность инструмента. В медицине его применяют для предсказания рисков и оценки продолжительности жизни пациентов на основе понятных экспертам правил. В CRM-системах Survivors рассчитывает вероятность оттока клиентов, а в промышленности прогнозирует деградацию техники и контролирует состояние систем.

Традиционные методы анализа выживаемости требуют строгих предположений о распределении событий и сложной подготовки данных. Новая библиотека использует машинное обучение и интегрируется в существующие аналитические системы, позволяя избежать этих ограничений.

Survivors не требует предобработки данных и обеспечивает высокую точность прогнозов. Разработчики стремились создать инструмент, способный работать с реальными и неполными данными, учитывая их особенности и неопределённость.

Алгоритмы библиотеки оптимизированы для обработки больших массивов данных с помощью параллельных вычислений и эффективных методов разбиения. Тестирование на девяти открытых медицинских и промышленных наборах данных показало стабильность и точность прогнозов, превосходящую классические модели при минимальных настройках.