Die Professorin des Masterstudiengangs Wirtschaftswissenschaften, Roberta Wichmann, veröffentlichte zusammen mit Forschern von USP und Mitgliedern des IACOV-BR-Netzwerks den Artikel mit dem Titel „ Improving the performance of machine learning algorithms for Health Outcomes Predictions in Multicentric Cohorts“ im Nature Scientific Reports Magazine . Scientific Reports ist mit mehr als 696.000 Zitaten im Jahr 2021 die am fünfthäufigsten zitierte Zeitschrift der Welt und erhält in politischen Dokumenten und den Medien große Aufmerksamkeit. ( https://www.nature.com/srep/ ).

Die Idee für die Forschung entstand, als sich die Autoren fragten, ob die Vorhersageleistung von Modellen für maschinelles Lernen bei Vorhersagen im Gesundheitswesen allein durch die Hinzufügung weiterer Daten zum Training verbessert werden könnte. Mit anderen Worten: Wäre es möglich, ein Modell auf verschiedene Krankenhäuser in einem Bundesstaat oder verschiedenen Regionen Brasiliens zu übertragen? Daher testeten die Autoren verschiedene Trainingsstrategien für Modelle des maschinellen Lernens, angefangen beim lokalen Training mit Daten aus einem einzelnen Krankenhaus bis hin zu verschiedenen Formen der Aggregation mit Daten aus anderen Krankenhäusern, um die Vorhersageleistung bei der Ermittlung des Sterberisikos aufgrund von COVID zu bewerten. -19 und wenn ja, wäre es möglich, die Vorhersage auf verschiedene Regionen des Landes zu übertragen? 

Wie wurde die Studie durchgeführt? Anschließend wurden 8 verschiedene Strategien erstellt und Daten von 18 Krankenhäusern aus allen Regionen Brasiliens verwendet, um drei Modelle für maschinelles Lernen (xgboost, catboost und lightgbm) zu trainieren, um die beste Strategie zu ermitteln, die die Vorhersageleistung maximiert. 

„ In unserer Studie bestand die beste Strategie darin, mit Daten aus einem einzelnen Krankenhaus zu trainieren und in 11 (61 %) der 18 Krankenhäuser die beste Leistung zu erzielen, obwohl in einigen Fällen eine bessere Vorhersageleistung erzielt wurde, wenn mehr Daten aggregiert wurden “ , sagte er sagt Professor Roberta . Daher kann die Verwendung von Daten aus einem einzelnen Krankenhaus zu einer besseren Leistung führen als das Hinzufügen von Daten aus verschiedenen Krankenhäusern mit unterschiedlichen Protokollen und sozioökonomischen Unterschieden.

Herzlichen Glückwunsch, Professor Roberta und allen beteiligten Autoren und Partnern!