(advertentie)

Machine learning (ML) klinkt innovatief en kan patronen ontdekken die wij met het blote oog niet direct kunnen zien

Machine learning is een heuse hype. Maar volgens statistisch redacteur en neurochirurg in opleiding Victor Volovici wordt het vaak onnodig en soms zelfs verkeerd gebruikt. Dat moet stoppen. In Nature Medicine publiceerde hij samen met andere wetenschappers zijn aanbevelingen.  

Machine learning (ML) klinkt innovatief en kan patronen ontdekken die wij met het blote oog niet direct kunnen zien. Zoals kleine veranderingen op MRI-scans. Maar neurochirurg in opleiding en statistisch redacteur Victor Volovici is niet altijd een voorstander. ‘Ik geloof absoluut in de kracht van Machine Learning’, zegt hij, ‘maar het moet wel een relevante toevoeging zijn.’ 

Samen met een groep wetenschappers, waaronder prof. Nan Liu (Duke-NUS Medical School, Singapore) en Ari Ercole (Cambridge, Engeland), publiceerde hij daarom in Nature Medicine aanbevelingen omtrent Machine Learning. 

Clinicus met te weinig tijd
‘Het probleem is dat ML nu vaak als eerste de beste analyse wordt gebruikt, terwijl een normale statistische methode even goed of zelfs beter werkt. En veel makkelijker te begrijpen is voor een clinicus met te weinig tijd.’ Over die clinicus maakt Volovici zich zorgen: ‘Die moet nu een artikel naast zich neer leggen omdat hij of zij de methode of limitaties niet goed kan begrijpen. Of hij of zij moet blind vertrouwen op de conclusies van een computer. Dat kan natuurlijk niet, het gaat om de patiënt.’  

‘Veel mensen geloven dat ML een revolutie in de gezondheidszorg teweeg zal brengen, omdat machines objectievere keuzes maken dan mensen. Maar zonder goed toezicht kunnen ML-modellen meer kwaad dan goed doen’, zegt prof. Nan Liu.

Aanbevelingen
Voor wetenschappers die aan de slag willen met Machine Learning, hebben Volovici en zijn collega’s de volgende aanbevelingen: 

  1. ML moet gebruikt worden voor waar het goed in is. Men moet kunnen aantonen dat het beter werkt dan traditionele statistische modellen. Leg de keuze goed uit. Gebruik geen ML voor te kleine datasets. 
  2. Probeer met name deep learning (zelfsturende ML-algoritmen) methoden zo transparant en begrijpelijk mogelijk te maken. Publiceer de parameters en als het kan ook de analyse en de dataset.
  3. Benoem de limitaties en wees er eerlijk over. Leg uit op basis waarvan het algoritme conclusies trekt. 

Black box 
Ongesuperviseerde deep learning-algoritmen (ML-algoritmen die geen expliciete instructies krijgen over de uitkomst) zijn nu nog te vaak een soort black box. Zo publiceerden wetenschappers aan het begin van de coronacrisis een algoritme dat aan de hand van longfoto’s coronainfecties kon voorspellen. Achteraf bleek dat het algoritme conclusies had getrokken op basis van de letter R, voor Rechterlong, die steeds op een net ander plekje op de scans te vinden was.  

‘We moeten af van het idee dat ML patronen kan ontdekken in data die wij niet kunnen begrijpen’, zegt Volovici over het voorval: ‘ML kan heel goed patronen ontdekken die we niet direct kunnen zien, maar dan moet je wel kunnen uitleggen hoe je tot die conclusie bent gekomen. En eigenlijk moet het algoritme daarvoor kunnen aantonen welke stappen het genomen heeft, daar is innovatie voor nodig.’ 

Zelfrijdende auto 
Bovendien is er in de geneeskunde bij lange na niet zoveel data beschikbaar als in andere commerciële velden, zoals bij zelfrijdende auto’s of facial recognition. ‘Ik zie nog te vaak artikelen voorbijkomen die ML loslaten op een dataset van een paar honderd patiënten. We moeten juist richting grote internationale samenwerkingen. Waarbij we van tevoren met zijn allen afspreken: dit zijn de vele variabelen, die we klinisch kunnen onderbouwen. Daarbij hebben we duizenden patiënten en deze modellen zijn hiervoor het meest geschikt. Dáár ligt de kracht van Machine Learning.’ 

 

Aanvullende info ...

Raadpleeg de bron en/of aanbieder voor meer informatie over dit bericht. Nieuws kan veranderen, fouten of onjuistheden omvatten. Lees ook onze disclaimer en rapporteer a.u.b. berichten, reacties en/of beeld die ingaan tegen onze voorwaarden.

Klik op de onderstaande tags voor relevante berichten, indien aanwezig ...

Naam auteur en/of bewerkt door: Erasmus MC / Maud Kok
Fotograaf of fotobureau: : INGImages
Bron bij dit artikel: : Erasmus MC
Wat is de URL bij deze bron?: https://amazingerasmusmc.nl/biomedisch/onderzoekers-waarschuwen-voor-te-veel-en-verkeerd-gebruik-van-machine-learning/
Originele titel: Onderzoekers waarschuwen voor te veel en verkeerd gebruik van machine learning
Doelgroep: Zorgprofessionals, Studenten
Datum: 2022-09-14

Relevante artikelen ...

Hulp gevraagd om resistente bacterie te stoppen De onderzoekers maken zich zorgen over de snelle verspreiding van de resistente Pseudomas-bacterie Onderzoekers van het Erasmus MC zoeken Rotterdamme... Wetenschap & onderwijs Sun, 02 Oct 2022, 07:36:51
De bron van de coronapandemie is zeer waarschijnlijk de dierenmarkt in Wuhan Onderzoekers gingen terug naar de allereerste gevallen van Covid-19 in december 2019 Een dierenmarkt in het Chinese Wuhan is zeer waarschijnlijk de b... Wetenschap & onderwijs Wed, 27 Jul 2022, 07:26:23
Rol van Epstein-Barr-virus bij multiple sclerose onderzocht Het staat bekend als één van de sterkste risicofactoren voor MS Het Epstein-Barr-virus is één van de sterkste risicofactoren voor de chronische ziekt... Wetenschap & onderwijs Sun, 27 Mar 2022, 10:07:49
Nieuwe speler ontdekt bij het herstellen van schade aan het DNA Het eiwit HLTF heeft een belangrijke rol bij het repareren van schade aan het DNA Onderzoekers van het Erasmus MC hebben een nieuwe speler ontdekt bi... Wetenschap & onderwijs Mon, 14 Mar 2022, 15:22:02
Vertraagde groei embryo gelinkt aan roken voor en na de bevruchting Al voor de tiende week van de zwangerschap zagen de onderzoekers een verschil tussen rokende en niet-rokende vrouwen Embryo’s van moeders die roken v... Wetenschap & onderwijs Thu, 24 Feb 2022, 15:48:26
Verwerken informatie van radiologen geholpen door AL De radioloog ziet beter hoe ver de behandeling is gevorderd AI (artificiële Intelligentie), machine learning, algoritmes, termen die je ook steeds ... Wetenschap & onderwijs Mon, 24 Jan 2022, 20:10:38

Volg het nieuws ook via...

 

facebook Facebook

twitter Twitter

rss RSS

mail E-mail nieuwsbrief

 ZorgKrant.nl binnen Twitter.com