의학에서 전통 통계 방법과 기계 학습의 비교: 진단, 약물 개발 및 치료

미래학자들은 기계 학습(ML)이 포함된 새로운 자율 기술이 의료 분야에 상당한 영향을 미칠 것이라고 예상하고 있습니다. ML은 가능한 한 정확한 예측을 하는 데 집중하는 반면, 전통적인 통계 모델은 변수 간의 관계를 추론하는 데 목적을 두고 있습니다. ML의 이점은 기존 통계 접근법에 비해 유연성과 확장성이 있어 진단 및 분류, 생존 예측과 같은 여러 작업에 배치할 수 있습니다. 그러나 ML 기반 분석은 여전히 산발적으로 남아 있으며, 응집력 있는 구조가 부족합니다. 생존, 치료에 대한 반응 및 환자가 보고하는 결과(PRO)에 대한 환자 결과에서 잘 개발된 전통적인 통계 방법과 ML의 성능을 평가하고 비교할 필요가 있습니다. 이 기사에서는 의료 분야에 적용할 때 전통적인 통계 방법과 ML의 유용성과 제한 사항을 비교합니다. 전통적인 통계 방법은 사례의 수가 연구 중인 변수의 수를 크게 초과하고 연구 주제에 대한 사전 지식이 상당할 때 더 유용해 보입니다. 반면 ML은 오믹스, 방사선 진단, 약물 개발 및 개인 맞춤 치료와 같이 데이터가 방대한 혁신적인 분야에서 더 적합할 수 있습니다. 두 접근 방식을 통합하는 것이 어느 한 접근 방식을 일방적으로 선택하는 것보다 바람직해야 합니다.