Clusteranalyse: Ein Überblick über traditionelle und neuartige Ansätze für Gesundheitsforscher

Abstract Die Clusteranalyse hat mit der raschen Ausbreitung von künstlicher Intelligenz (KI) und datengestützter Forschung an Bedeutung gewonnen. Als zentrale Methode im unüberwachten maschinellen Lernen kann sie verborgene Muster aufdecken und homogene Untergruppen innerhalb von Daten identifizieren, ohne vorherige Gruppierungslabels zu benötigen. Dieser Ansatz vertieft nicht nur das klinische Verständnis, sondern bietet auch ein effektives Mittel zur Unterstützung von clusterinformierter, maßgeschneiderter Versorgung zur Verbesserung der Krankheitsverläufe der Patienten. Ziel dieses Papiers ist es, einen Überblick über die Clusteranalyse zu geben, der sowohl ihre historischen und konzeptionellen Grundlagen als auch die gängig verwendeten Methoden der Clusteranalyse, die Rolle von Techniken zur Dimensionsreduktion (DR) und praktische Schritte zur Implementierung abdeckt.