Моделі машинного навчання для аналізу захисту даних у системах медичного адміністрування на основі ІоТ

DOI: 10.31673/2412-9070.2026.318110

Анотація

У статті розглянуто застосування моделей машинного навчання (ML) для аналізу та захисту даних в автоматизованих системах медичного адміністрування, що функціонують на основі технологій Інтернету речей (IoT). Сучасні медичні заклади все частіше впроваджують IoT-пристрої для моніторингу пацієнтів, управління апаратурою та оптимізації організаційних процесів. Це призводить до різкого зростання обсягів даних і складності їх обробки, а також створює додаткові ризики, пов’язані з кібербезпекою та стабільністю комунікацій.
У роботі досліджено можливості використання алгоритмів Decision Tree та Random Forest для класифікації, прогнозування і виявлення аномалій у потоках медичних даних. Запропоновано концептуальну модель інтеграції ML-модулів у багаторівневу систему медичного адміністрування, що сприяє підвищенню точності аналізу, ефективності управління та рівня захисту інформації.

Ключові слова: IoT, машинне навчання, медицина, аналіз даних, кібербезпека, автоматизація, Decision Tree, Random Forest.