Nuestro Blog

En el artículo se muestra que los avances en el área del aprendizaje automático supervisado han permitido desarrollar herramientas automatizadas (aprendizaje automático automatizado o AutoML) que suponen un ahorro de tiempo y coste computacional de la exploración de modelos predictivos pudiendo aplicarse en el estudio de la validez de los resultados obtenidos mediante los instrumentos de evaluación conocidos como Patient Report Outcome (PRO).

Una de las formas de aproximación a la validez de los resultados de estos instrumentos es a través de su capacidad para pronosticar el resultado en una variable de interés conociendo las puntuaciones en dichos PRO. Por ello, el AutoML se convierte en una forma de trabajar ideal para explorar la estabilidad de estos pronósticos, dado que permite explorar de forma rápida y eficiente gran cantidad de algoritmos predictivos y profundizar en cada modelo construido para conocer sus características técnicas y calibrarlo.

Finalmente, el artículo muestra no sólo que el AutoML es una forma de trabajar que conecta y aporta evidencias de validez a los PRO, sino que también plantea la necesidad de tener instrumentos que evalúen de forma precisa y la obligatoriedad de disponer de modelos que se alejen del paradigma de caja negra que puede llegar a caracterizarlos.

Referencia: Ovejero, M., Alvarado, J., & Ballesteros, J. (2022). Viabilidad de los procedimientos de aprendizaje automático automatizado para el estudio de la validez de criterio: el caso del VIA-IS. Revista Iberoamericana de Diagnóstico y Evaluación, 66, 117-125. doi: https://doi.org/10.21865/RIDEP66.5.09.