Ver traducción automática
Esta es una traducción automática. Para ver el texto original en inglés haga clic aquí
#Novedades de la industria
{{{sourceTextContent.title}}}
El aprendizaje de máquina de ‘Black Box’ predice ataques del corazón
{{{sourceTextContent.subTitle}}}
Permitir que las máquinas aprendan factores de riesgo en un gran número de pacientes hace para mejores predicciones de los ataques del corazón, según un nuevo estudio.
{{{sourceTextContent.description}}}
El algoritmo de la “caja negra” de la inteligencia artificial empleado por los doctores y los expertos de los datos en la universidad de Nottingham era mejor en los ataques del corazón que predecían que la metodología típica establecida por la universidad americana de la cardiología, ellos divulga en PLOS One.
el “Máquina-aprendizaje perceptiblemente mejora la exactitud de la predicción cardiovascular del riesgo, aumentando el número de pacientes identificó que podrían beneficiarse del tratamiento preventivo, mientras que evitaban el tratamiento innecesario de otros,” ellos escriban.
Los científicos tomaron a un grupo de 383.592 pacientes de la transmisión de datos clínica de la investigación de la práctica del Reino Unido. Una amplia variedad de factores de riesgo y de resultados de la salud fueron seguidos de enero de 2005 a enero de 2015.
Un 75 por ciento al azar de la muestra (295.267) entró el “entrenamiento” del AI. El otro 25 por ciento (82.989 pacientes) fue utilizado para probar la exactitud de los algoritmos máquina-producidos.
El modelo tradicional de la predicción de la cardiología del ACA incluye factores como edad, el colesterol total, el colesterol de HDL, fumar, la presión arterial, y la diabetes.
Pero los cuatro algoritmos de la máquina dados vuelta encima de una gama más amplia de factores en sus modelos, incluyendo: COPD, enfermedad mental severa, prescripción de corticosteroides orales, niveles del triglicérido, fibrilaciones atriales, enfermedad de riñón crónica, y artritis reumatoide.
Había 24.970 acontecimientos cardiovasculares en el grupo de prueba. Las redes neuronales que el algoritmo establecido por el AI (el mejor de los cuatro modelos) era el 3,6 por ciento más exacto que el modelo establecido actual, los investigadores de Nottingham divulgan. Lo que es más importante, corrigió predijo a los 355 más pacientes adicionales que desarrollaron enfermedad cardiovascular que no fue identificado por las instrucciones del ACA.
Pero las limitaciones en el aprendizaje de máquina de la “caja negra” son importantes observar, ellas añaden. La máquina desarrolla sus propias herramientas y las técnicas de la predicción, que se pueden entender solamente y trazar parcialmente por los operadores humanos, explican.
“Es reconocido que ‘naturaleza de la caja negra la’ de los algoritmos de máquina-aprendizaje, particularmente redes neuronales, puede ser difícil de interpretar,” ellos escribe. “Esto refiere a la complejidad inherente en cómo las variables del factor de riesgo están obrando recíprocamente y sus efectos independientes sobre el resultado.”
El aprendizaje de máquina se ha mirado como a método abarcar una variedad compleja de factores de riesgo en las enfermedades que son todavía imprevisibles. Un equipo propuso el mes pasado el modelo de la predicción de un Alzheimer en medicina de PLOS.