¿Es el aprendizaje automático el futuro de la investigación sobre la salud del café?
¿Es el aprendizaje automático el futuro de la investigación sobre la salud del café? Si ha sido lector de Sprudge durante un período de tiempo razonable, sin duda ya habrá preparado varios artículos sobre cómo el café es potencialmente beneficioso para alguna faceta particular de su salud.
Las historias generalmente son así: «un estudio encuentra que beber café está asociado con una disminución del X% en [bad health outcome]»Seguido brevemente por» el estudio es observacional y no prueba la causalidad «.
En un nuevo estudio en la revista de la American Heart Association Circulación: insuficiencia cardíaca, los investigadores encontraron un vínculo entre beber tres o más tazas de café al día y un menor riesgo de insuficiencia cardíaca.
Pero, hay algo diferente en este estudio observacional. Este estudio utilizó el aprendizaje automático para llegar a su conclusión y puede alterar significativamente la utilidad de este tipo de estudio en el futuro.
Como informó el New York Times, el nuevo estudio no es exactamente nuevo en absoluto.
Dirigidos por David Kao, cardiólogo de la Facultad de Medicina de la Universidad de Colorado, los investigadores volvieron a examinar el Framingham Heart Study (FHS), «un estudio de cohorte cardiovascular en curso a largo plazo de residentes de la ciudad de Framingham, Massachusetts» que comenzó en 1948 y ha crecido hasta incluir más de 14.000 participantes.
Mientras que la mayoría de la investigación comienza con una hipótesis que luego busca probar o refutar, lo que puede llevar a que se establezcan relaciones falsas por las variables de clasificación que los investigadores eligen incluir o excluir en su análisis de datos, Kao et al se acercaron a la FHS sin intención. Salir.
En cambio, utilizaron “una técnica de análisis de datos poderosa y cada vez más popular conocida como aprendizaje automático” para encontrar cualquier vínculo potencial entre las características del paciente capturadas en la FHS y las probabilidades de que los participantes experimenten insuficiencia cardíaca.
Capaz de analizar cantidades masivas de datos en un corto período de tiempo, así como de estar programado para manejar incertidumbres en los datos, como si una taza de café reportada pesara seis u ocho onzas, el aprendizaje automático puede comenzar a determinar y clasificar qué Las variables están más asociadas con incidentes de insuficiencia cardíaca, lo que otorga incluso a los estudios observacionales más poder explicativo en sus hallazgos.
Y, de hecho, cuando los resultados del análisis de aprendizaje automático de FHS se compararon con otros dos estudios bien conocidos, el Cardiovascular Heart Study (CHS) y el estudio de Atherosclerosis Risk in Communities (ARIC), el algoritmo fue capaz de “predecir correctamente la relación entre la ingesta de café y la insuficiencia cardíaca «.
Pero, por supuesto, hay salvedades. Los algoritmos de aprendizaje automático son tan buenos como los datos que se le envían.
Si el alcance es demasiado estrecho, es posible que los resultados no se traduzcan de manera más amplia y su utilidad predictiva en el mundo real se reduzca significativamente. El New York Times ofrece un software de reconocimiento facial como ejemplo: «Los algoritmos, que se capacitaron principalmente en sujetos masculinos blancos, han sido mucho menos precisos para identificar mujeres y personas de color».
Aún así, el nuevo estudio se muestra prometedor, no solo por los beneficios para la salud que descubrió el algoritmo, sino también por la forma en que emprendemos e interpretamos este tipo de investigación basada en análisis.
Zac Cadwalader es el editor gerente de Sprudge Media Network y un redactor del personal con sede en Dallas. Leer más Zac Cadwalader en Sprudge.
Esperamos hayas disfrutado nuestro post sobre ¿Es el aprendizaje automático el futuro de la investigación sobre la salud del café?
Te recomendamos leer nuestro post sobre café viernes: prepárate como un profesional.
