Aprendizaje automático en endocrinología: aplicaciones actuales y perspectivas futuras

Área de la Ciencia:

• Endocrinología
• Biología computacional
• La informática médica

Sus antecedentes:

• La investigación en endocrinología está aprovechando cada vez más el aprendizaje automático (ML) para el análisis de datos.
• ML puede descubrir patrones complejos en grandes conjuntos de datos, ayudando a comprender los trastornos endocrinos.
• Las aplicaciones de ML en el cuidado de la salud prometen resultados optimizados y nuevas ideas.

Objetivo del estudio:

• Revisar conceptos básicos de aprendizaje automático relevantes para la endocrinología.
• Resaltar las áreas endócrinas específicas con un potencial significativo para la aplicación de ML.
• Proporcionar una visión general de las metodologías de ML en la investigación endocrina.

Principales métodos:

• Se empleó un enfoque de revisión narrativa.
• Búsqueda sistemática de la literatura realizada para estudios publicados entre enero de 2000 y diciembre de 2024.
• Enfocarse en las condiciones endocrinas analizadas mediante métodos estadísticos de ML.

Principales resultados:

• El análisis de 1130 estudios reveló que la investigación de la tiroides es la más común, seguida de estudios de la hipófisis, las suprarrenales y la paratiroides.
• Las aplicaciones de ML abarcan la imagen médica, la clasificación de tumores, la predicción de la respuesta al tratamiento, la estimación del riesgo y la identificación de biomarcadores.
• Aplicación significativa de ML en el diagnóstico y la comprensión de las enfermedades endocrinas.

Conclusiones:

• El aprendizaje automático tiene un potencial sustancial para mejorar el diagnóstico, el tratamiento y la comprensión de las enfermedades endocrinas.
• Las limitaciones actuales incluyen la falta de transparencia del modelo, el desequilibrio de los datos y los desafíos de la implementación clínica.
• La validación adicional, la colaboración interdisciplinaria y la estandarización son cruciales para la integración segura y efectiva de ML en endocrinología.