Исследование этих группировок позволит установить признаки, по которым эти группы наиболее сильно различаются. После получения этих группировок методами распознавания многомерных образов предстоит оценить наличие связей этих группировок с исходными группировками, например по жалобам, по анамнезу, и т.д. Очевидно, что многие количественные показатели могут иметь между собой достаточно сильно выраженные зависимости. Используя их в качестве исходного подмножества признаков можно поставить и решить задачу конструирования на их основе более сложных, интегрированных признаков. При этом число таких комплексных признаков (индексов) будет значительно меньше, нежели число исходных признаков. В чем достоинство и преимущество этого статистического метода снижения размерности признакового пространства? В результате этой процедуры мы получаем новые признаки, которые компактно несут в себе гораздо больший объем информации, нежели каждый из исходных признаков в отдельности. В итоге появляется возможность отфильтровать случайную составляющую и получить более глубинную информацию о структуре как самих исходных признаков, так и о структуре исследуемых групп пациентов.