Ll'Institut d'Investigació Sanitària Illes Balears (IdISBa) ha publicat un experiment de sensibilitat sobre diagnòstic crònic de dolor utilitzant machine learning, qüestionaris i proves sensorials quantitatives.
Alex Novaes Santana, Charles Novaes de Santana i Pedro Montoya, investigadors de l'IdISBa, han publicat l'article amb el títol "Chronic Pain Diagnosis Using Machine Learning, Questionnaires, and QST: A Sensitivity Experiment" a la revista Diagnostics.
En la darrera dècada, el machine learning s'ha utilitzat molt en diferents camps, especialment per la seva capacitat de treballar amb dades complexes. Amb el suport de tècniques machine learning, diferents estudis s'han utilitzat enfocaments basats en dades per entendre millor algunes síndromes com un lleu deteriorament cognitiu, malaltia d'Alzheimer, esquizofrènia i dolor crònic. El dolor crònic és una malaltia complexa que es pot diagnosticar malament de forma recurrent a causa de les seves comorbiditats amb altres síndromes amb les quals comparteix símptomes. En aquest context, alguns estudis han suggerit diferents algoritmes de machine learning per classificar o predir condicions de dolor crònic. Aquests algoritmes es varen alimentar amb una diversitat de tipus de dades, des de dades autoinformades en qüestionaris fins a les tècniques més avançades d'imatges cerebrals. En aquest estudi, es va avaluar la sensibilitat de diferents algoritmes i conjunts de dades classificant síndromes de dolor crònic. Junt amb aquesta avaluació, es varen destacar importants mesures metodològiques que es podrien tenir en compte quan es dugui a terme un experiment amb machine learning.
Referència de l'article
Novaes Santana A, Novaes de Santana C, Montoya P. Chronic Pain Diagnosis Using Machine Learning, Questionnaires, and QST: A Sensitivity Experiment. Diagnostics (Basel). 2020;10(11). doi: 10.3390/diagnostics10110958. PubMed PMID: 33212774.Enllaços Bibliosalut |
Altmetric | Text complet[Font: Bibliosalut]
[Foto: Pixabay / Pensamiento desesperado / Pixabay License]
