Cómo leer artículos que utilizan el aprendizaje automático: guías de usuario para la literatura médica.
JAMA, 12 de noviembre de 2019Los modelos de aprendizaje automático generalmente tienen configuraciones preespecificadas adicionales llamadas hiperparámetros, que deben ajustarse en un conjunto de datos independiente del conjunto de validación. En el conjunto de validación, el resultado contra el cual se evalúa el modelo se denomina estándar de referencia
En los últimos años, se han desarrollado muchas nuevas herramientas de diagnóstico clínico utilizando métodos complicados de aprendizaje automático. Independientemente de cómo se deriva una herramienta de diagnóstico, debe evaluarse mediante un proceso de 3 pasos para derivar, validar y establecer la efectividad clínica de la herramienta. Las herramientas basadas en el aprendizaje automático también deben evaluarse para el tipo de modelo de aprendizaje automático utilizado y su idoneidad para el tipo de datos de entrada y el tamaño del conjunto de datos. Los modelos de aprendizaje automático también generalmente tienen configuraciones preespecificadas adicionales llamadas hiperparámetros, que deben ajustarse en un conjunto de datos independiente del conjunto de validación. En el conjunto de validación, el resultado contra el cual se evalúa el modelo se denomina estándar de referencia. Se debe evaluar el rigor del estándar de referencia, por ejemplo, contra un estándar de oro universalmente aceptado o una calificación experta.
el artículo
Liu Y, Chen PC, Krause J, Peng L. How to Read Articles That Use Machine Learning: Users’ Guides to the Medical Literature. JAMA. 2019;322(18):1806–1816. doi:https://doi.org/10.1001/jama.2019.16489