Данная работа посвящена исследованию зависимости групп заболеваний от параметров крови для разработка предсказательной модели по прогнозированию группы заболевания на основе параметров крови. Задачи, которые были решены в процессе разработки: • Обзор медицинского процесса; • Обзор системы, в которую будет интегрирован модуль с предсказательной моделью; • Анализ данных; • Преобразование данных; • Обзор моделей машинного обучения • Подбор модели машинного обучения с наименьшим процентом ошибки; Данные для разработки были получены в обезличенной форме, в соответствии ФЗ № 152, из медицинский учреждений города Санкт-Петербург: Городская больница № 3, Городская детская больница № 4 им. Святой Ольги, Родильный дом № 13; В данной работе произведен обзор медицинской и лабораторной информационных систем. Проведен обзор методов машинного обучения. Выполнена работа по анализу и преобразованию данных для применения методов машинного обучения. Применены методы машинного обучения к данным. В результате проведен сравнительный анализ результатов применения методов машинного обучения, а именно сравнение ошибок тестирования. В результате был выбран наиболее подходящий метод обучения, с наименьшой ошибкой тестирования, метод К ближайших соседей.

This work is devoted to the study of the dependence of disease groups on blood parameters for the development of a predictive model for predicting disease group based on blood parameters. Tasks that were solved in the process of development: • Review of the medical process; • Review of the system into which the module with the predictive model will be integrated; • Data analysis; • Data conversion; • Overview of machine learning models • Select the machine learning model with the lowest error rate; The data for the development were obtained in an impersonal form, in accordance with Federal Law No. 152, from medical institutions of the city of Saint-Petersburg: City Hospital No. 3, City Children's Hospital No. 4 named St. Olga, Maternity Hospital No. 13; In this work the review of medical and laboratory information systems is made. A review of machine learning methods has been made. The work on analysis and transformation of data for application of machine learning methods was carried out. Machine learning methods for data have been applied. As a result, a comparative analysis of the results of the application of machine learning methods was carried out, namely a comparison of testing errors. As the result, the most suitable method of learning with the lowest testing error, k neighbors classifier, has been chosen.