El aprendizaje automatizado (AA) es un campo de la ciencia informática que explora y estudia técnicas para dotar a los sistemas de computación de la capacidad de aprender a través de la entrada de datos. El interés global en el potencial de aprendizaje de los sistemas de computación ha aumentado en forma sostenida en los últimos años y, consecuentemente, las técnicas de AA han hecho importantes avances en muchas áreas.
La red argentina IntraMed comparte un interesante artículo publicado en la revista JAMA 318(6):517-518, Ago 2017, sobre el interés mostrado por el sector de las ciencias de la salud en modelos automatizados capaces de brindar decisiones diagnósticas y de establecer predicciones, basadas en el análisis de la información aportada. Los algoritmos de AA ya han demostrado una alta exactitud para el diagnóstico de ciertas enfermedades, como la retinopatía diabética.
Aún así, existen muy pocos estudios comparativos que investiguen la efectividad de los sistemas de decisiones sustentadas por AA (SDS-AA) sobre la morbimortalidad de diversas enfermedades y tampoco existen estudios sobre los efectos indeseables o las consecuencias adversas no intencionales producidas por la utilización de SDS-AA en la práctica clínica.
El objetivo de los autores de esta revisión fue precisamente considerar los aspectos relacionados con los efectos adversos de los SDS-AA.
Vea la traducción al español de este artículo en Intramed. Debe registrarse para acceder a él.
Unintended Consequences of Machine Learning in Medicine. Federico Cabitza, PhD; Raffaele Rasoini, MD; Gian Franco Gensini, MD. JAMA. 2017;318(6):517-518. doi:10.1001/jama.2017.7797
Haga un comentario