El aprendizaje automático mejora la calidad de los datos en la atención médica: nuevas estrategias para la precisión y la reutilización
El aprendizaje automático (ML) podría mejorar significativamente la calidad de los datos de atención médica, contribuyendo así a diagnósticos más precisos y tratamientos más eficientes. Un nuevo estudio de la Universidad Técnica de Riga desarrolla y evalúa estrategias basadas en ML que se centran en las dimensiones clave de precisión, integridad y reutilización. Los resultados, publicados en la revista "Frontiers in Artificial Intelligence", muestran mejoras significativas utilizando un conjunto de datos de diabetes y subrayan el potencial de los marcos reproducibles en la práctica clínica. La calidad de los datos de atención médica es crucial para las decisiones clínicas y los resultados de los pacientes, pero problemas como los valores faltantes y las anomalías a menudo conducen a diagnósticos erróneos o a un uso ineficiente de los recursos. Según las directrices ISO 9000, la calidad de los datos debe satisfacer las necesidades de los usuarios, ya sea para análisis clínicos o modelos de ML. El estudio de Agate Jarmakovica aborda estos desafíos mediante un enfoque integral que combina métodos técnicos con estrategias organizativas. Para la investigación se utilizó un conjunto de datos de diabetes de acceso público de GitHub,...
