Система повинна мати функціонал для прогнозування діагнозу на основі списку скарг пацієнта, використовуючи алгоритми машинного навчання.
Для цього потрібно використовувати бібліотеку PHP-ML
Для виконання завдання використовується метод MLPClassifier (багатошаровий персептрон) у бібліотеці PHP-ML.

Система уже повністю побудована, використаючи шаблону MVC(є повноційнний сайт з усім функціоналом). Але в ній не вистачає штучного інтелекту для:
1. Обробки медичної інформації за допомогою MLPClassifier (багатошарового перцептрона)
2. Алгоритм зворотнього поширення використовується для ефективнішого навчання нейронної мережі за допомогою методу ланцюгового правила.
3. Тестування (модульне тестування; інтеграційне тестування; тестування продуктивності; тестування точності прогнозів нейронної мережі.)

В коді має бути:
6.1 Моделі даних
Опис типів даних (електронні медичні картки, лабораторні результати, діагнози, рецепти та ін).
Реляційні моделі (структура реляційної бази даних для зберігання медичних записів, опис зв'язків між таблицями).
ER-діаграми (моделювання сутностей та їхніх взаємозв'язків).

6.2 Методи обробки медичної інформації
- Методи аналізу медичних записів (методи для обробки та аналізу текстових і числових даних, включаючи NLP (обробка природної мови) для медичних записів).
- Методи обробки зображень (методи обробки медичних зображень (рентгенівські знімки, МРТ, КТ).
- Методи прогнозування (методи для прогнозування стану пацієнтів на основі історичних даних).
- Методи пошуку. (методи для ефективного пошуку та фільтрації медичної інформації в базі даних).

6.3 Методи аналізу та візуалізації даних
- Статистичні методи (аналіз медичних даних (наприклад, середнє значення, медіана, стандартне відхилення).
- Методи машинного навчання (аналіз великих обсягів даних та виявлення закономірностей).
- Інструменти візуалізації (графічні інтерфейси для візуалізації медичних даних (графіки, діаграми, теплові карти).
- BI (Business Intelligence) інструменти (інтерактивні звіти і панелі моніторингу).

6.4 Застосування математичних моделей для прийняття рішень
- Моделі діагностики (математичні моделі для автоматизованої діагностики захворювань).
- Моделі прогнозування розвитку захворювань (оцінка ризиків і прогнозування розвитку захворювань у пацієнтів).
- Системи підтримки прийняття рішень (DSS) (інтеграція математичних моделей у DSS для допомоги лікарям у прийнятті клінічних рішень).

По кожному підпункту в середині 6.2, 6.3, 6.4 потрібно обрати хоча б щось одне
Про оплату можемо довомитися додатково.