Aprendizaje automático basado en el conocimiento para el diagnóstico y el pronóstico del cáncer: una revisión

Área de la Ciencia:

• En el campo de la oncología
• Inteligencia artificial
• La bioinformática

Sus antecedentes:

• El aprendizaje automático (ML) ayuda al diagnóstico y pronóstico del cáncer a través del análisis de datos complejos.
• Los modelos de ML enfrentan limitaciones que incluyen tamaños de muestra pequeños, datos de alta dimensión, heterogeneidad de pacientes y problemas de interpretabilidad.
• La integración del conocimiento biomédico en los modelos de ML puede mejorar la precisión, la robustez y la interpretabilidad.

Objetivo del estudio:

• Revisar los estudios de aprendizaje automático de última generación que fusionan el conocimiento biomédico y los datos para la investigación del cáncer.
• Explorar las aplicaciones del aprendizaje automático basado en el conocimiento (KIML) en el diagnóstico y el pronóstico del cáncer.
• Discutir las direcciones futuras para KIML en el avance de la investigación sobre el cáncer y la automatización de la atención médica.

Principales métodos:

• Revisión de la literatura actual sobre el aprendizaje automático basado en el conocimiento en oncología.
• Análisis de las diversas formas de representación del conocimiento y estrategias de integración.
• Examen de ejemplos concretos de KIML en el diagnóstico y pronóstico del cáncer.

Principales resultados:

• KIML demuestra el potencial para superar las limitaciones de ML en la investigación del cáncer.
• La integración exitosa del conocimiento biomédico mejora el rendimiento del modelo ML.
• Existen diversas estrategias para representar e integrar el conocimiento en las tuberías de aprendizaje automático.

Conclusiones:

• KIML es un enfoque prometedor para avanzar en el diagnóstico y pronóstico del cáncer.
• La investigación adicional sobre KIML puede mejorar la automatización de la atención médica en oncología.
• Un recurso en línea en evolución está disponible para apoyar la investigación de KIML en cáncer.