Please use this identifier to cite or link to this item:
http://hdl.handle.net/10662/21112
Title: | Machine learning applied to diagnosis of human diseases: a systematic review |
Authors: | Caballé Cervigón, Nuria Castillo Sequera, José Luis Gómez Pulido, Juan Antonio Gómez Pulido, José Manuel Polo Luque, María Luz |
Keywords: | Enfermedades humanas;Aprendizaje automático;Procesamiento de datos;Inteligencia artificial;Big data;Human disease;Machine learning;Data mining;Artificial intelligence |
Issue Date: | 2020 |
Publisher: | MDPI |
Abstract: | La salud humana es uno de los temas más importantes para la sociedad. Se trata de detectar correctamente enfermedades de forma eficaz y robusta lo antes posible para que los pacientes reciban los cuidados adecuados. Como esta detección es a menudo difícil, se hace necesario que la medicina se apoye en otros campos como la estadística y la informática. Estas disciplinas se enfrentan al reto de explorar nuevas técnicas, más allá de las tradicionales. El gran número de técnicas que están surgiendo hace necesario ofrecer una visión global que evite aspectos muy particulares. Para ello, proponemos una revisión sistemática que aborda el Aprendizaje Automático aplicado al diagnóstico de enfermedades humanas. Esta revisión se centra en las técnicas modernas relacionadas con el aprendizaje máquina aplicado al diagnóstico de enfermedades humanas, con el fin de descubrir patrones interesantes y realizar predicciones útiles en la toma de decisiones. De este modo, este trabajo puede ayudar a los investigadores a descubrir y determinar la aplicabilidad de las técnicas de aprendizaje automático en sus especialidades particulares. Aportamos algunos ejemplos de algoritmos utilizados en medicina, analizando algunas tendencias centradas en el objetivo buscado, el algoritmo utilizado y el ámbito de aplicación. Detallamos las ventajas e inconvenientes de cada técnica para ayudar a elegir la más adecuada en cada situación real, tal y como han informado varios autores. Los autores de este trabajo buscaron en las bases de datos Scopus, Journal Citation Reports (JCR), Google Scholar y MedLine desde los años 80 aproximadamente hasta la actualidad, con restricciones del idioma inglés y estudios acordes con los objetivos mencionados anteriormente. En base a un protocolo de extracción de datos definido y evaluado por todos los autores utilizando la metodología PRISMA, se incluyeron 141 trabajos en esta revisión avanzada. Human healthcare is one of the most important topics for society. It tries to find the correct effective and robust disease detection as soon as possible to patients receipt the appropriate cares. Because this detection is often a difficult task, it becomes necessary medicine field searches support from other fields such as statistics and computer science. These disciplines are facing the challenge of exploring new techniques, going beyond the traditional ones. The large number of techniques that are emerging makes it necessary to provide a comprehensive overview that avoids very particular aspects. To this end, we propose a systematic review dealing with the Machine Learning applied to the diagnosis of human diseases. This review focuses on modern techniques related to the development of Machine Learning applied to diagnosis of human diseases in the medical field, in order to discover interesting patterns, making non-trivial predictions and useful in decision-making. In this way, this work can help researchers to discover and, if necessary, determine the applicability of the machine learning techniques in their particular specialties. We provide some examples of the algorithms used in medicine, analysing some trends that are focused on the goal searched, the algorithm used, and the area of applications. We detail the advantages and disadvantages of each technique to help choose the most appropriate in each real-life situation, as several authors have reported. The authors searched Scopus, Journal Citation Reports (JCR), Google Scholar, and MedLine databases from the last decades (from 1980s approximately) up to the present, with English language restrictions, for studies according to the objectives mentioned above. Based on a protocol for data extraction defined and evaluated by all authors using PRISMA methodology, 141 papers were included in this advanced review. |
URI: | http://hdl.handle.net/10662/21112 |
ISSN: | 2076-3417 |
DOI: | 10.3390/app10155135 |
Appears in Collections: | DTCYC - Artículos |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
app10155135.pdf | 606,41 kB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License