Aprendizagem de máquina melhora a qualidade dos dados na saúde: Novas estratégias para precisão e reutilização
O aprendizado de máquina (ML) pode aumentar significativamente a qualidade dos dados de saúde, contribuindo para diagnósticos mais precisos e tratamentos mais eficientes. Um novo estudo da Riga Technical University desenvolve e avalia estratégias baseadas em ML, focando nas dimensões centrais de precisão, completude e reutilização. Os resultados, publicados na revista "Frontiers in Artificial Intelligence", mostram melhorias significativas em um conjunto de dados de diabetes e destacam o potencial para frameworks reproduzíveis na prática clínica. A qualidade dos dados de saúde é crucial para decisões clínicas e resultados do paciente, mas problemas como valores ausentes e anomalias frequentemente levam a diagnósticos incorretos ou uso ineficiente de recursos. De acordo com as diretrizes ISO-9000, a qualidade dos dados deve atender às necessidades dos usuários, seja para análises clínicas ou modelos de ML. O estudo de Agate Jarmakovica aborda esses desafios por meio de uma abordagem abrangente que combina métodos técnicos com estratégias organizacionais. Para a investigação, foi utilizado um conjunto de dados de diabetes publicamente acessível do GitHub,…

