In ihrem Artikel präsentieren Roller et al. eine multidisziplinäre Sichtweise auf Machine Learning zur medizinischen Entscheidungsunterstützung und reflektieren dabei informationstechnologische, medizinische sowie ethische Aspekte. Sie gehen darauf ein, dass wissenschaftliche Veröffentlichungen über die Anwendung von Machine-Learning-Modellen im Gesundheitswesen oft darauf abzielen, Leistungsmetriken zu verbessern. Es gibt jedoch viele weitere Aspekte zu berücksichtigen, um nachhaltige Fortschritte zu erzielen. Der Schwerpunkt des Artikels liegt darin, die Erfahrungen mit dem Modell für die zukünftige empirische Forschung zu nutzen, auch als Vorbereitung für die Studien in PRIMA-AI.
Die Open-Access-Publikation ist hier abrufbar
In ihrem Artikel präsentieren Roller et al. eine multidisziplinäre Sichtweise auf Machine Learning zur medizinischen Entscheidungsunterstützung und reflektieren dabei informationstechnologische, medizinische sowie ethische Aspekte. Sie gehen darauf ein, dass wissenschaftliche Veröffentlichungen über die Anwendung von Machine-Learning-Modellen im Gesundheitswesen oft darauf abzielen, Leistungsmetriken zu verbessern. Es gibt jedoch viele weitere Aspekte zu berücksichtigen, um nachhaltige Fortschritte zu erzielen. Der Schwerpunkt des Artikels liegt darin, die Erfahrungen mit dem Modell für die zukünftige empirische Forschung zu nutzen, auch als Vorbereitung für die Studien in PRIMA-AI.
Die Open-Access-Publikation ist hier abrufbar