(跳过导航)
狗万体育下载地址《美国医学会杂志》网络的家
的观点 2622年
的观点
3月20.2023年

机器学习和统计在临床研究Articles-Moving过去错误的二分法

作者的从属关系
  • 1西雅图儿童医院儿科,西雅图,华盛顿
  • 2西雅图华盛顿大学的遗传学
  • 3流行病学、哈佛T.H.陈公共卫生学院的波士顿,马萨诸塞州
  • 4朱利叶斯健康科学中心和初级保健,乌特勒支大学医学中心,乌得勒支大学,乌特勒支、荷兰
JAMA Pediatr。 2023年3月20日在线发表。doi: 10.1001 / jamapediatrics.2023.0034

医学人工智能(AI)和机器学习迅速发展在过去的十年中,产生许多新的产品,临床医生必须越来越学会融入临床实践。1一个常见的问题是,如何人工智能和机器学习与更熟悉从医疗统计工作吗?

在1956年的夏天,一群计算机科学家聚集在达特茅斯的一个两个月的车间讨论组织者约翰·麦卡锡称之为人工智能:“科学和工程的智能机器。”2从一开始,AI吸引了研究人员来自不同背景包括神经科学、电信和形式逻辑。字段定义而不是任何特定的方法学方法的共同目标,而是让计算机来解决新任务。3机器学习是人工智能领域包括一个数据驱动方法和接收它的名字从达特茅斯研讨会参与者阿瑟·塞缪尔,他被认为是压印机器学习在讨论他的工作在IBM构建一个计算机玩跳棋。4机器学习的核心前提是一个可行的路径向一个智能计算机是建立一个学习电脑机改善从经验和接触数据。

添加或更改的机构
1对本文发表评论
全部展开
弥合的分歧
威尔逊博士,MStat|犹他大学和Parexel
这篇文章完全中和统计和机器学习的批评是“重叠法官”,应被视为绝对不同。作者描述,超越这个错误的二分法对促成和平协议至关重要的方法之一。但这座桥也必须推进新兴方法至关重要的现代医学研究进展——因果推论。因果推论关注建立变量之间的因果关系通过使用统计方法和领域知识的结合。它极大地受益于集成机器学习技术,允许更复杂的因果建模 关系,处理高维数据,如混淆和内生性和解决问题。因果推论已经成为越来越重要的在医学人工智能和机器学习,因为它有助于理解底层机制观察协会和做出明智的决定基于因果效应。

超过弥合分歧,我们可能需要鼓励婚姻机器学习和统计推断之间以一种有意义的方式前进。
利益冲突: 我在Parexel工作,一个大的阴极射线示波器。然而,我没有经济利益存在冲突。
阅读更多
×
Baidu
map