En meget stor andel af de elektriske apparater, der indgår i diagnostisk analyse eller behandling af sygdomme, måler signaler fra kroppen. Formålet med de målte signaler er at ekstrahere diagnostisk information og lagre denne i databaser til efterfølgende analyse.
Første trin i processen er at rense signalerne for støj, fx fra elinstallationer, og måske udskille disse fra andre fysiologiske signaler, der overdøver det ønskede signal. I trin to skal det rensede og isolerede signal analyseres for at ekstrahere kvantitative features, der kan fortælle, om signalet falder inden for normalområdet eller om det falder inden for en af flere mulige sygdomskategorier. De kvantitative features, der ekstraheres fra de målte signaler gemmes i en database til videre analyse. Heri ligger skillelinjen mellem signalanalyse og dataanalyse. Signalanalysen leverer de numeriske data, der ligger til grund for en diagnose. I den efterfølgende dataanalyse sammenlignes de ekstraherede features med tilsvarende features fra andre patienter. I denne sammenhæng er signalanalyse og dataanalyse to helt forskellige discipliner med hver sin faglighed. Output fra signalanalysen er input til den statistiske dataanalyse. Her uddybes den statistiske databehandling. Signalanalysen uddybes i afsnittet om signalbehandling.
Ekstraherede features fra en patient med en given sygdom kan gemmes i en database med tilsvarende features fra andre patienter. Ved at bruge datavidenskabelige analysemetoder som neurale net, machine learning og kunstig intelligens, kan der indhentes yderligere evidens for en given diagnose ved at sammenligne patientens data med mange andre patienters data. Patienten kan derved indplaceres i et spektrum af mulige udfald, og behandlingsregimet kan tilrettelægges ud fra erfaringer fra patienter med en tilsvarende diagnostisk profil.
Lagring af ekstraherede features i databaser og efterfølgende analyse af store datamængder fra mange patienter er en forholdsvis ny disciplin. Det kaldes ofte databehandling eller datavidenskab, mens betegnelsen signalbehandling bruges om behandling og analyse af signaler fra en enkelt patient.
De computerprogrammer, der indgår i behandling og analyse af fysiologiske signaler og den efterfølgende dataanalyse af features på tværs af mange patienter, repræsenterer en stor del af den sundhedsfaglige viden læger bruger til at stille en diagnose.
Det er altså medicoingeniørens opgave at oversætte lægers ekspertviden til computeralgoritmer, der kan lægges ind i medicoteknisk udstyr. Medicoingeniører, der beskæftiger sig med medicinsk databehandling, har derfor som regel også en solid viden om medicoteknisk instrumentering, computer science og statistik.
Medicoingeniører vil, i modsætning til andre typer ingeniører specialiseret i signalbehandling og statistisk databehandling, have en særlig viden om hvilken diagnostisk information, der kan udtrækkes af de behandlede signaler eller hvilke features ud af mange, der er karakteristiske for en bestemt sygdom.
Faglige forudsætninger: Matematik, statistik, programmering.