Los niños y adolescentes podrían beneficiarse del uso de herramientas predictivas que faciliten diagnósticos, pronósticos y selección de tratamientos personalizados. Dichas herramientas aún no se han implementado utilizando métodos estadísticos tradicionales, posiblemente debido a las limitaciones del paradigma y la necesidad de aprovechar grandes cantidades de datos digitales.
Esta revisión sugerirá que un enfoque de aprendizaje automático podría abordar estos desafíos y está diseñado para presentar a los nuevos lectores los antecedentes, los métodos y los resultados en el campo.
Primero se presenta una justificación seguida de un resumen de los elementos fundamentales de los enfoques de aprendizaje automático. Para proporcionar una visión general del uso de las técnicas en la literatura infantil y adolescente, se presenta una revisión de alcance de las tendencias generales.
También se destacan estudios seleccionados para llamar la atención sobre áreas de investigación más cercanas a la traducción y estudios que exhiben un alto grado de innovación experimental.
Las limitaciones de la investigación y los enfoques de aprendizaje automático en general se describen en la penúltima sección, que destaca los problemas relacionados con el tamaño de las muestras, la validación, la utilidad clínica y los desafíos éticos.
Finalmente, se discuten direcciones futuras que podrían mejorar la posibilidad de implementación clínica y abordar cuestiones específicas relevantes para la psiquiatría de niños y adolescentes.
La revisión brinda una descripción general amplia del paradigma del aprendizaje automático para resaltar los beneficios de un cambio de perspectiva hacia soluciones estadísticas orientadas a la práctica que tienen como objetivo mejorar la atención clínica de niños y adolescentes.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://acamh.onlinelibrary.wiley.com/
