EDICIóN GENERAL
328 meneos
3041 clics
Un algoritmo es capaz de predecir la muerte y el ataque cardiaco con más del 90% de precisión

Un algoritmo es capaz de predecir la muerte y el ataque cardiaco con más del 90% de precisión

El aprendizaje automático está superando a los humanos para predecir la muerte o un ataque al corazón. Ése es el mensaje principal de un estudio que se presenta este domingo en la Conferencia Internacional sobre Cardiología Nuclear y TC Cardiaca. Al analizar repetidamente 85 variables en 950 pacientes con resultados conocidos de seis años, un algoritmo "aprendió" cómo interactúan los datos de imágenes. Luego identificó los patrones que correlacionan las variables con la muerte y el ataque cardiaco con más del 90% de precisión.

| etiquetas: algoritmo , ataque , cardiaco , predicción
127 201 1 K 316 cultura
127 201 1 K 316 cultura
#6 Si sirve para poder hacer algo para evitarlo, sí, claro.
#7 Y si no, tambien. Ojala pudiera saber el tiempo que me queda para gestionarlo como yo quiera.
#26 Te queda un día menos que ayer.
#27 Tic Tac #26, tic tac... :troll:
#26 Te lo diré con toda exactitud.

Puede que te mueras en décadas y puede que te mueras mañana atropellado por un coche. No hay ninguna garantía. Aprovecha tu tiempo.
Predecir el pasado no tiene mérito ninguno. Lo hacen incluso los modelos climáticos. Lo difícil es el futuro. Que me avisen cuando el algoritmo vea venir un ataque que todavía no se ha producido. Tunear un sistema para que acierte lo que ya sabes que ha pasado es muy fácil, simple "curve-fitting" pero no significa que tenga ninguna capacidad predictiva. Se puede dar la respuesta correcta por la razón equivocada.

Como dijo alguien, "con 4 parámetros te dibujo un elefante y con 5 hago que menee la trompa".
#15 La razón por la que el aprendizaje automático funciona muy bien (en algunos problemas) es que puede predecir qué va a pasar en el futuro en base a una inmesa cantidad de datos con los que se ha entrenado con anterioridad. Y eso no es "La maquina dice que te va dar un ataque en ese momento dentro de 5 años" sinó "Teniendo en cuenta todos estas variables, y que todos los que las tenian en estos valores la han palmado, andate con ojo".
#20 Sí sí, si la teoría es muy bonita. Pero hasta que prediga algo con éxito sólo es una teoría. Acertar el pasado no garantiza acertar el futuro. La de economistas que se habrán arruinado pensando que ya habían descubierto las claves del comportamiento del mercado. Puede haber miles de razones por las que lo que parecía que funcionaba hasta ahora de pronto deja de hacerlo.
#21 ya, claro, pero la diferencia es: cuantas variables simultáneas puede tener en la cabeza un economista, y cuantas variables simultáneas puede analizar una computadora? Ademas, hace años que algoritmos de aprendizaje automático funcionan en tu vida (desde el termostato que regula tu casa, a los que te muestran cosas que te pueden interesar en tu sitio favorito de compras, p.ej.) Vamos, que esto es una aplicación exitosa, como tantas otras, de algo que ya funciona.
#39 cuantas variables simultáneas puede analizar una computadora?
Poder, puede analizar la h*stia de variables, pero sólo analizará las que tú le hayas facilitado. Y esas pueden ser las variables adecuadas o no. Si yo a un modelo de predicción del clima basado en redes neuronales le pasase la información de la frecuencia de la piratería marítima (esa famosamente correlada con el calentamiento global pese a que obviamente no tiene nada que ver), el ordenador creerá incorrectamente que la…   » ver todo el comentario
#21 Se nota que no sabes del tema de como funcionan los sistemas de aprendizaje.
#45 bueno, a ti se te nota que no sabes explicar por qué se supone que estoy equivocado. No pasa nada.
#15 si le pasas datos nuevos de los que sabes las consecuencias para la máquina es predecir el futuro.
#23 cuando suceda ya se verá. Lo que sucedió en el pasado con esos parámetros no tiene por qué volver a suceder en el futuro con los mismos parámetros. Eso sólo se cumple si resulta que estás mirando a los parámetros correctos, de la forma correcta, y si no te has dejado ninguno. Una red neuronal aprende deprisa, pero lo que aprende puede ser erróneo si no tiene toda la información relevante. Eso es lo difícil.
Primero, no entiendo porqué narices no dan el link al artículo original.

Segundo, un AUC de 0.82 es un buen resultado, sí, pero si se ha computado sobre los mismos datos que se usaron para entrenar el modelo, es bastante cuestionable que ese resultado se vaya a mantener cuando se traslada el modelo a la población general. Por el modo en que se cuenta, me da la sensación de que no han hecho una validación externa (habría que ver el paper), lo que limitaría notablemente el valor del trabajo.…   » ver todo el comentario
#17 pero si se ha computado sobre los mismos datos que se usaron para entrenar el modelo

Lo estándar es que la predicción la haga sobre datos con los que no se ha entrenado, datos que no se han mostrado al sistema hasta que ha finalizado el aprendizaje.

Lo que se hace es segmentar los datos en grupos, unos grupos se utilizan para el entreno y otros para juzgar el resultado del entrenamiento.

A efectos prácticos es indistinguible de recibir datos nuevos con posterioridad.
#25 No, eso no es así en estos casos. Eso es estándar cuando se entrenan redes neuronales o modelos de ese estilo, pero en el caso de modelos clásicos (e.g. regresión lineal, logística) se usan todos los datos para el conjunto de entrenamiento. Idealmente, si vas a validar sobre ese mismo conjunto, usas un método de bootstrapping (que consiste en generar nuevos conjuntos de datos a partir de los que ya tienes, tomando aleatoriamente filas, lo que genera repeticiones, y calculando el…   » ver todo el comentario
#31 Cuando yo he usado regresión (por entretenimiento, ya que aprendí con un libro sobre esos temas y no profesionalmente) separo antes los datos en 2 grupos: uno para entrenar, y otro para testear. Tengo entendido que siempre se hace así.
Es verdad que en Estadística, sí se usan todos los datos para obtener la recta. Pero en los algoritmos de Machine Learning ( :troll: ), hasta donde sé, se separan en 2, precisamente para poder comprobar si funciona.
#33 El tema es que en el ámbito de la clínica se da mucho más peso al p-valor que a otros parámetros estadísticos, porque es lo que te dice si la variable en cuestión tiene relación con el fenómeno observado. La realidad es más compleja (si tu modelo es estadísticamente significativo, pero predice fatal, tiene muy poco valor) pero los clínicos son muy cerriles para esto.

Si tú partes en dos tu conjunto de datos, reduces el conjunto de entrenamiento, y eso hace que tu p-valor empeore. Por eso…   » ver todo el comentario
Te gustaría conocer si tienes una gran posibilidad de morir por un ataque al corazón?
#1 A ti igual no, pero a tu seguro... hay a tu seguro.... A el le encantará
#2 Ay :palm:

Debes a la web 5000 pesetas de faltas :troll:
#3 Ponmelo en la cuenta.
#8 "pÓntelo, pÓnselo..."
#1 A Casillas le gusta esta noticia :foreveralone:
#2 #3
#2 joder, no lo había visto desde esa cruel perspectiva.
#4 pues las compañías de seguros hace años que lo vieron. Ya ha seguros de salud que te ofrecen buenos descuentos si aceptas monitorizar tu actividad con sensores.

hablemosdeempresas.com/grandes-empresas/seguros-personalizados-gracias
#9 Con los vehículos hacen lo mismo: Mapfre tenía el YCAR que si te ponias un localizador GPS te hacian descuentos en cada anualidad. Datos datos datos!
#4 ¿No has visto Gattaca?
#46 demasiadas veces.
#1 y #2 claro, porque pensar que conociendo quién presenta más riesgos se le puede dar un tratamiento personalizado para eliminar alguno de los factores de riesgo es demasiado retorcido
#5 Mi comentario no va en ese sentido. Más bien, te gustaría saber algo así?
#6 Si puedo hacer algo para cambiar el resultado sí, quiero saberlo, si me voy a morir haga lo que haga no.
#2 Hay, hay, hay. Mis hojos sangran.
#2 Antes era el angel de la muerte con la guadaña la que te buscaba. De aquí unos años será una aseguradora llamandote por telefono cada dia. Al tiempo.
#1 Si te ayuda a poder tratarte para prevenirlo claro que si.
#1 En realidad aún no va de eso la noticia. Lo que comentas suena a Gattaca y de lo que va la noticia es sobre pacientes (esto hay que tenerlo en cuenta, no se ha hecho sobre personas "sanas") que han sido tratados y con seguimiento durante 6 años.

En cuanto a la predictibilidad de fenómenos semejantes, sospecho de alguna limitación ontológica que lo impida si nos queremos retrotraer a más allá de cierta fecha o tiempo, sea esta limitación algún tipo de caos, o de alguna limitación…   » ver todo el comentario
Me ha recordado a la película GATTACA, donde al protagonista le hacen una prueba parecida al nacer, dando ccomo resultado una alta probabilidad de afección cardíaca e imposibilitando cumplir su sueño de ser astronauta.
Pues tampoco vendría mal que el smartwatch te sugiriese que te acerques a un centro médico pq es posible que en breve te de un infarto.
Eso existe desde el principio de internet :-P De hecho hay un capítulo de IT Crowd en el que se hace coña de las páginas que te decían cuándo te ibas a morir
Anda coño, así que un algoritmo nos quiere en..casillasr? guiño guiño
También se pueden usar algoritmos para detectar corrupción en las administraciones pero justamente en ese ámbito no lo usarán y seguirán con papelitos como en el s.XIX.
#12 Ese algoritmo es más o menos así:

function bool DetectarCorrupcion (clsOrganismo parOrganismo)
{
return True;
}
#13 :-D Me recuerda la función aleatoria que siempre devolvía el mismo número... porque se había obtenido con un dado.
#13 xD xD Seguro que es más sencillo que detectar infartos, linfomas o melanomas. Lo que pasa es que no hay ningún interés en digitalizar, establecer controles eficaces y fomentar la transparencia en la administraciones.
Pero si ya existe House para que más.
Creo que mas que medicamente se utilizara por parte de las aseguradoras... puto asco.
Un 90% es una mierda. Yo hago uno mejor: Responder siempre que el paciente está vivo. Funciona bien todas las veces menos la última. Cuando palma ya no se hacen más pruebas.
comentarios cerrados

menéame