Current challenges in adopting machine learning to critical care and emergency medicine.
Current challenges in adopting machine learning to critical care and emergency medicine.
复制标题
DOI：
10.15441/ceem.23.041
复制
发表时间：
2023-06
影响因子：
1.9
通讯作者：
Yoon, Joo Heung
中科院分区：
文献类型：
--
作者：
Kang, Cyra-Yoonsun;Yoon, Joo Heung
在过去的几十年里，机器学习(ML)领域在医学上取得了长足的进步。尽管临床领域有大量以ML为灵感的出版物，但其结果和影响并不容易在床边被接受。虽然ML在破译复杂重症护理和急救医疗数据中的隐藏模式方面非常强大，但包括数据、特征生成、模型设计、性能评估和有限实施在内的各种因素都可能影响研究的实用性。在这篇简短的综述中，将讨论将ML模型应用于临床研究的一系列当前挑战。
Over the past decades, the field of machine learning (ML) has made great strides in medicine. Despite the number of ML-inspired publications in the clinical arena, the results and implications are not readily accepted at the bedside. Although ML is very powerful in deciphering hidden patterns in complex critical care and emergency medicine data, various factors including data, feature generation, model design, performance assessment, and limited implementation could affect the utility of the research. In this short review, a series of current challenges of adopting ML models to clinical research will be discussed.
登录
查看更多内容
影响因子：
4.5
作者：
Chicco D
通讯作者：
Chicco D
影响因子：
--
作者：
Frix AN;Cousin F;Refaee T;Bottari F;Vaidyanathan A;Desir C;Vos W;Walsh S;Occhipinti M;Lovinfosse P;Leijenaar RTH;Hustinx R;Meunier P;Louis R;Lambin P;Guiot J
通讯作者：
Guiot J
影响因子：
3.7
作者：
Awan, Saqib E.;Bennamoun, Mohammed;Dwivedi, Girish
通讯作者：
Dwivedi, Girish
DOI：
10.1186/s13054-022-03915-3
发表时间：
2022-03-22
期刊：
Critical care (London, England)
影响因子：
--
作者：
Yoon JH;Pinsky MR;Clermont G
通讯作者：
Clermont G
DOI：
10.1109/jproc.2015.2501978
发表时间：
2016-02
期刊：
Proceedings of the IEEE. Institute of Electrical and Electronics Engineers
影响因子：
--
作者：
Johnson AE;Ghassemi MM;Nemati S;Niehaus KE;Clifton DA;Clifford GD
通讯作者：
Clifford GD