Исследование: Алгоритмы машинного обучения, используемые в здравоохранении, неточны

Алгоритмы машинного обучения, все чаще используемые для обработки данных в целях клинических предсказаний, не настолько точны, как должны, что, возможно, делает результаты многих клинических исследований с использованием мобильных инструментов неточными.

Новое исследование, опубликованное в bioRxiv, описывает сегодняшнее состояние машинного обучения как "шаманство" и предостерегает, что ложные результаты могут ввести в заблуждение врачей и ученых.

"Поскольку алгоритмы машинного обучения уже широко используются для поддержки принятия клинических решений, очень важно реально оценивать точность их выводов и для этого нужны подходящие методы оценки такой точности", пишут авторы исследования. Они отмечают, что использование mHealth-устройств и приложений увеличивает объем данных, которые используются для принятия медицинских решений, но неверные результаты, полученные после обработки всего массива данных, могут нивелировать преимущества большого количества информации.

Учитывая, что точность результатов, полученных с помощью мобильных устройств и приложений, обсуждается достаточно давно (например, в связи с приложениями контроля фертильности или большинством трекеров), важность этого вопроса становится еще более значительной. Кстати, в исследовании, публикованном не так давно в Journal of the American Board of Family Medicine, говорится, что только 6 из 40 приложений, связанных с фертильностью, выдают точные результаты. Похожая информация была и о приложения, касающихся иных областей медицины.