机器学习模型与传统的风险预测方法一样值得信赖

在猜测小我私人在将来10年内蒙受心脏病或中风的风险时，呆板进修模子与传统的统计技能对比不再具有同等性，因此也没有作为照顾护士途径指南的靠得住性。

研究职员在说明白英国360万名患者的病历后得出结论，这些病历在制止2018年的20年中被注册表举办了追踪。

该团队研究了19种差异的猜测要领，个中12种代表某种范例的呆板进修。

令人扫兴的示意最糟糕的是，当这两种范例的模子都假定患者在有时间“搜查”病历的环境下没有任何心血管疾病时，这意味着他们的临床信息因为任何缘故起因而遏制更新。

作者在本月颁发于BMJ的研究中写道，逻辑模子和常用的呆板进修模子“不该在不思量检察的环境下直策应用于恒久风险的猜测”。“思量检察而且可以表明的保留模子……是可取的。”

全图风险评分的一个示例：行使通例风险计较器举办心血管变乱风险为9.5%至10.5%的患者在随机丛林模子中的风险为2.9%至9.2%神经收集的风险介于%到7.2%之间。

全部19个模子在生齿程度上都能很好地猜测疾病，但这在特定的临床情形中意义不大。

作者写道：“我们发明，在差异范例的呆板进修和统计模子之间和之内，个体患者对心血管疾病风险的猜测差别很大，尤其是对付风险较高的患者(行使相似的猜测指标时)。”“后勤模子和呆板进修模子忽略了检察，大大低落了心血管疾病的风险。”

研究职员的人数包罗在中国和荷兰以及英国的研究职员，他们在天职析中行使了心血管疾病，但提议研究功效也也许合用于其他严峻的康健风险。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!