Categoría: Estudios y proyectos

Sensibilidad sobre diagnóstico crónico de dolor utilizando machine learning, cuestionarios y pruebas sensoriales cuantitativas

Tipografía
  • Más pequeño Pequeño Mediano Grande Más Grande
  • Por defecto Helvetica Segoe Georgia Times

El Instituto de Investigación Sanitaria Illes Balears (IdISBa) ha publicado un experimento de sensibilidad sobre diagnóstico crónico de dolor utilizando machine learning, cuestionarios y pruebas sensoriales cuantitativas.

Alex Novaes Santana, Charles Novaes de Santana i Pedro Montoya, investigadores del IdISBa, han publicado el artículo con el título "Chronic Pain Diagnosis Using Machine Learning, Questionnaires, and QST: A Sensitivity Experiment" en la revista Diagnostics.

En la última década, el machine learning se ha utilizado mucho en diferentes campos, especialmente por su capacidad de trabajar con datos complejos. Con el apoyo de técnicas machine learning, diferentes estudios han utilizado enfoques basados en datos para entender mejor algunos síndromes como un leve deterioro cognitivo, dolencia de Alzheimer, esquizofrenia y dolor crónico. El dolor crónico es una dolencia compleja que se puede diagnosticar mal de forma recurrente a causa de sus comorbilitades con otros síndromas con los que comparte síntomas. En este contexto, algunos estudios han sugerido diferentes algoritmos de machine learning para clasificar o predecir condiciones de dolor crónico. Estos algoritmos se alimentaron con una diversidad de tipo de datos, desde datos autoinformades en cuestionarios hasta las técnicas más avanzadas de imágenes cerebrales. En este estudio, se evaluó la sensibilidad de diferentes algoritmos y conjuntos de datos clasificando síndromes de dolor crónico. Junto con esta evaluación, se destacaron importantes medidas metodológicas que se podrían tener en cuenta cuando se lleve a cabo un experimento con machine learning.

Referencia del artículo
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 | AltmetricAltmetric | Texto completo

[Fuente: Bibliosalut]

[Foto: Pixabay / Pensamiento desesperado / Pixabay License]