Aprendizaje automático aplicado en área de la salud. Parte 2
DOI:
https://doi.org/10.51987/revhospitalbaires.v42i1.152Palabras clave:
aprendizaje automático, cuidado de la salud, historia clínica electrónica, desarrollo, investigación, colaboración transdisciplinariaResumen
En el artículo anterior se introdujo el tema y se desarrolló cómo es la recolección y análisis de datos, la selección y entrenamiento de modelos de aprendizaje automático supervisados y los métodos de validación interna que permiten corroborar si el modelo arroja resultados similares a los de otros conjuntos de entrenamiento y de prueba. En este artículo continuaremos con la descripción de la evaluación del rendimiento, la selección del modelo más adecuado para identificar la característica que se va a evaluar y la validación externa del modelo. Además, el artículo resume los desafíos existentes en la implementación del Machine Learning desde la investigación al uso clínico.
Descargas
Referencias
Wiens J, Shenoy ES. Machine learning for healthcare: on the verge of a major shift in healthcare epidemiology. Clin Infect Dis. 2018;66(1):149-153. https://doi.org/10.1093/cid/cix731. DOI: https://doi.org/10.1093/cid/cix731
Park C, Took CC, Seong JK. Machine learning in biomedical engineering. Biomed Eng Lett. 2018;8(1):1-3. https://doi.org/10.1007/s13534-018-0058-3. DOI: https://doi.org/10.1007/s13534-018-0058-3
Barbour DL. Precision medicine and the cursed dimensions. NPJ Digit Med. 2019;2:4. https://doi.org/10.1038/s41746-019-0081-5. DOI: https://doi.org/10.1038/s41746-019-0081-5
Clarke R, Ressom HW, Wang A, et al. The properties of high-dimensional data spaces: implications for exploring gene and protein expression data. Nat Rev Cancer. 2008;8(1):37-49. https://doi.org/10.1038/nrc2294. DOI: https://doi.org/10.1038/nrc2294
Finlayson SG, Bowers JD, Ito J, et al. Adversarial attacks on medical machine learning. Science. 2019;363(6433):1287-1289. https://doi.org/10.1126/science.aaw4399. DOI: https://doi.org/10.1126/science.aaw4399
Miotto R, Wang F, Wang S, et al. Deep learning for healthcare: review, opportunities and challenges. Brief Bioinform. 2018;19(6):1236-1246. https://doi.org/10.1093/bib/bbx044. DOI: https://doi.org/10.1093/bib/bbx044
Vickers AJ, Elkin EB. Decision curve analysis: a novel method for evaluating prediction models. Med Decis Making. 2006;26(6):565-574. https://doi.org/10.1177/0272989X06295361. DOI: https://doi.org/10.1177/0272989X06295361
Sidey-Gibbons JAM, Sidey-Gibbons CJ. Machine learning in medicine: a practical introduction. BMC Med Res Methodol. 2019;19(1):64. https://doi.org/10.1186/s12874-019-0681-4. DOI: https://doi.org/10.1186/s12874-019-0681-4
Uddin S, Khan A, Hossain ME, et al. Comparing different supervised machine learning algorithms for disease prediction. BMC Med Inform Decis Mak. 2019;19(1):281. https://doi.org/10.1186/s12911-019-1004-8. DOI: https://doi.org/10.1186/s12911-019-1004-8
Rudin C. Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead. Nat Mach Intell. 2019;1:206-215. https://doi.org/10.1038/s42256-019-0048-x. DOI: https://doi.org/10.1038/s42256-019-0048-x
van Soest JPA, Dekker ALA, Roelofs E, et al.. Application of machine learning for multicenter learning. En: El Naqa I, Ruijiang L, Murphy LJ, eds. Machine learning in radiation oncology. Cham: Springer; 2015. p. 71-97. https://doi.org/10.1007/978-3-319-18305-3_6. DOI: https://doi.org/10.1007/978-3-319-18305-3_6
Obermeyer Z, Weinstein JN. Adoption of artificial intelligence and machine learning Is increasing, but irrational exuberance remains. NEJM Catalyst. 2020;1(1). https://doi.org/10.1056/CAT.19.1090. DOI: https://doi.org/10.1056/CAT.19.1090
Sendak M, Gao M, Nichols M, et al. Machine learning in health care: a critical appraisal of challenges and opportunities. EGEMS (Wash DC). 2019;7(1):1. https://doi.org/10.5334/egems.287. DOI: https://doi.org/10.5334/egems.287
Silcox C, Dentzer S, Bates DW. AI-enabled clinical decision support software: a “trust and value checklist” for clinicians. NEJM Catalyst. 2020;1(6). https://doi.org/10.1056/CAT.20.0212. DOI: https://doi.org/10.1056/CAT.20.0212
Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44-56. https://doi.org/10.1038/s41591-018-0300-7. DOI: https://doi.org/10.1038/s41591-018-0300-7
Descargas
Compartir artículo
Publicado
Número
Sección
Licencia
Derechos de autor 2022 Instituto Universitario Hospital Italiano de Buenos Aires
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
