Malattie rare – Revisione di scoping dell’apprendimento automatico
Un articolo pubblicato in Orphanet Journal of Rare Diseases presenta una revisione di scoping dell’apprendimento automatico, soffermandosi sulla nascita di nuove tecnologie e sui loro effetti positivi sulla medicina e l’assistenza sanitaria e, più nello specifico, sul trattamento delle malattie rare (MR).
Questa revisione di scoping analizza da un punto di vista generale il modo in cui l’apprendimento automatico è utilizzato nel settore delle MR, evidenziando come in questo campo non fossero state effettuate revisioni sistematiche in precedenza.
La revisione di scoping si è incentrata sull’apprendimento automatico nel campo delle malattie rare e sui tipi di algoritmi, sui dati di input e sulle applicazioni mediche, avvalendosi di 211 studi condotti in 32 Paesi e prendendo in considerazione 74 diverse MR.
La revisione di scoping ha mostrato come le malattie con una maggiore prevalenza compaiano più spesso rispetto alle malattie a bassa prevalenza e che certi gruppi di malattie sono maggiormente esaminati negli studi (malattie reumatologiche, neurologiche o rare sistemiche) mentre altre sono trascurate (errori congeniti rari del metabolismo, malattie cutanee).
I metodi usati comunemente sono le reti neurali (31,8%), le macchine a vettori di supporto (32,2%) e i metodi di ensemble (36%). L’apprendimento automatico è utilizzato negli studi su prognosi (38,4%), miglioramento del trattamento (4,7%) e diagnosi (40,8%); il numero di pazienti arruolati negli studi è ridotto e compreso tra 20 e 99 (35,5%). Quanto ai dati di input, i più usati risultano essere i dati “omici” (26,5%), i dati demografici (27%) e le immagini (32,2%). Questa revisione contribuirà all’uso e allo sviluppo di efficaci applicazioni per l’apprendimento automatico nel campo delle malattie rare e orienterà future iniziative in questo settore.
Fonte: orphaNews Italia
Tratto da: http://italia.orphanews.org/newsletter-it/political/nl/edizione-del-15-agosto.html
