个性化健康追踪中如何得出错误结论的示例及避免类似情况的建议
计算机与社会
2017-11-16 v1
摘要
个性化干预与治疗是实现最佳医疗护理的必要条件。计算领域近期的进展，如个人电子设备，使得收集和 util 用大量个人数据变得比以往更容易。这些数据可支持个性化医疗；然而，必须避免一些陷阱。我们讨论了一个纵向医疗追踪的例子，其中传统的机器学习算法评估方法失效，并带来了得出错误结论的可能。随后我们提出三条建议，以在可靠性至关重要的医疗应用中避免此类导致误导性结果的可能。
引用
@article{arxiv.1711.05635,
title = {An example of how false conclusions could be made with personalized health tracking and suggestions for avoiding similar situations},
author = {Orianna DeMasi and Benjamin Recht},
journal= {arXiv preprint arXiv:1711.05635},
year = {2017}
}
备注
Presented at the Data For Good Exchange 2017