Por lo tanto, este tipo de preguntas de pronóstico siempre son interesantes. Pero mucho cuidado en este campo minado.
Primero, si se va a idear un método basado en datos para estimar la supervivencia con CUALQUIER enfermedad, mucho menos Alzheimer, se requeriría una colección específica de datos multivariados de sujetos humanos que presentan la enfermedad, y modelos de supervivencia validados adicionalmente contra uno o más grupos que no haga. Entonces, la primera parte es el obstáculo de la recopilación de datos sobre sujetos humanos. Y hay muchas regulaciones que gobiernan eso.
Para agregar a ese obstáculo, las personas identificadas para presentar la enfermedad de interés generalmente serán relativamente raras en una población determinada (a menos que estemos hablando, por ejemplo, de la frecuencia de norovirus y ‘chinches estomacales’). Por lo tanto, los datos de este grupo serán naturalmente más escasos y, por lo tanto, uno o más predictores potenciales pueden no tener datos críticos para informar conclusiones razonables sobre la supervivencia.
- ¿Cómo es que los piratas informáticos 'olfatean' los datos personales del tráfico de Internet en una conexión Wi-Fi pública?
- ¿Google está bajando su barra de contratación para ingenieros?
- ¿Cómo reacciona la gente al escuchar que eres un experto en informática?
- ¿Cómo es estudiar informática en Princeton?
- ¿Cuál es la fórmula de disminución de la tasa de aprendizaje más popular en el aprendizaje automático?
Se mencionó acertadamente a Bayes, y aquí agregaría que el análisis de supervivencia bayesiano ayuda en que los antecedentes informativos se pueden ingresar a una función de supervivencia cuando los datos directos del paciente son escasos. Pero aún será necesario adquirir datos de sujetos humanos que respalden o no las conclusiones de esos antecedentes. Es decir, los datos del paciente eventualmente deberían suplantar a los anteriores.
Una vez allí, y cree que tiene un modelo de supervivencia razonable (y estamos hablando de la simulación posterior, etc.), se podría aplicar un método de aprendizaje para mejorar las estimaciones de supervivencia a nivel individual. Sin embargo, sería difícil saber cuál es ese método, ya que cosas como las redes neuronales no son informativas (cómo se procesan las entradas es el recuadro negro cognitivo proverbial). La mala mejora en las estimaciones de supervivencia puede indicar la necesidad de probar más predictores que no se capturaron antes.
Para eventos raros, probablemente requeriría una gran cantidad de capacitación para desarrollar un rango razonable que cumpla con la expectativa de “cuánto tiempo tengo” (el obstáculo final inevitable de tal proyecto). Creo que tal empresa realmente vale la pena. Podría brindar a las personas la tranquilidad mental más importante y permitirles tomar decisiones sobre la trayectoria de su vida dada una restricción terminal.
Pero si la incertidumbre no se tiene en cuenta en dicho modelo, o si la interpretación de una estimación se emitió de manera descuidada para un paciente o aquellos cercanos al paciente, dicho desarrollo podría hacer más daño que bien (para el paciente y / o desarrollador) . Hipócrates viene rápidamente a la mente aquí, ya que pisar muy cuidadosamente, con cuidado y empatía en este ámbito está garantizado en el más alto grado.