Обучение малых выборок: как машинное обучение решает проблему ограниченности генетических данных в медицине?

Abstract

Персонализированная медицина широко использует генетическую информацию для предсказания предрасположенности к заболеваниям и подбора индивидуальных терапевтических стратегий. Однако ограниченность доступных генетических данных является серьезной проблемой. Редкие заболевания имеют мало зарегистрированных случаев, а генетические исследования стоят дорого и подвержены строгим ограничениям по приватности. Современные методы машинного обучения, такие как transfer learning, генерация синтетических данных и data augmentation, позволяют эффективно работать с малыми выборками, что открывает новые возможности для персонализированной медицины. В работе использована авторская методика и эмпирические данные, полученные автором в процессе работы в аккредитованной IT-компании ООО «Арсенал», которая получает задания от медицинских учреждений Южного федерального округа Российской Федерации