Machine Learning: ¿qué es y cómo se aplica al ámbito sanitario?. Retos y desafíos.
El aprendizaje automático (en inglés, machine learning) es un subconjunto de la inteligencia artificial (IA) que consiste en utilizar algoritmos para aprender de los datos y hacer predicciones basadas en ellos.1
En el caso de la salud, los datos de machine learning (ML) clínico se presentan de distintas formas: escáneres radiológicos, electrocardiogramas, eventos clínicos organizados en series temporales y notas clínicas entre otros. 2
Es habitual que los modelos sanitarios de ML no sean generalizables, ya que muchos se desarrollan en entornos muy controlados, utilizando métodos sensibles de curación de datos, pero se espera en general, que funcionen correctamente cuando se exponen a la volatilidad de los datos del mundo real. (2)
Dentro de los ejemplos de datos del mundo real que aportan a la generación de volatilidad se encuentran: la desviación de las mediciones debida a cambios en el hardware (por ejemplo, el uso de un escáner Philips frente a uno General Electric), diferentes condiciones clínicas (por ejemplo, un hospital de área metropolitana frente a una clínica del ámbito rural), cambios en la salud de la población (por ejemplo, el aumento de las tasas de diabetes), retos sanitarios globales (por ejemplo, una pandemia), disparidades económicas (por ejemplo, el acceso a la atención sanitaria), y muchos otros.(2)
Si no se tienen en cuenta estos escenarios de datos del mundo real, el rendimiento del modelo disminuirá o fallará de forma progresiva debido a flujos de datos nunca concebidos durante el entrenamiento. (2)
Por esta razón, es fundamental y base de cualquier sistema de aprendizaje automático en el mundo real, llevar a cabo una adecuada recolección, limpieza y validación de datos; sin ella, la atención al paciente se verá afectada por la automatización y el bajo rendimiento.
En Datatherapy, ayudamos a que los actores del ecosistema de salud puedan tomar decisiones de impacto sanitario basándose en el poder de los datos.
Fuentes