Machine learning techniques are effective for building predictive models because they are good at identifying patterns in large datasets. Development of a model for complex real life problems often stops at the point of publication, proof of concept or when made accessible through some mode of deployment. However, a model in the medical domain risks becoming obsolete as soon as patient demographic changes. The maintenance and monitoring of predictive models post-publication is crucial to guarantee their safe and effective long term use. As machine learning techniques are effectively trained to look for patterns in available datasets, the performance of a model for complex real life problems will not peak and remain fixed at the point of publication or even point of deployment. Rather, data changes over time, and they also changed when models are transported to new places to be used by new demography.
翻译：机器学习技术因其在大型数据集中识别模式的能力而有效，可以用于构建预测模型。对于复杂的实际问题，模型的开发往往在出版、概念证明或通过某种部署方式使其可供使用的时候停止。然而，在医学领域，模型面临的挑战在于随着患者人口结构的变化，模型很容易过时。发布后对预测模型的维护和监控对于确保其长期安全有效的使用至关重要。由于机器学习技术的有效训练是在当前可用数据集上寻找模式，因此用于解决实际问题的模型的性能不会在出版或部署时达到峰值并保持不变，而是会随着时间和使用的改变而发生变化，尤其是面对着不同的人口。
相关内容
一是主要脏器无疾病，身体形态发育良好，体形均匀，人体各系统具有良好的生理功能，有较强的身体活动能力和劳动能力，这是对健康最基本的要求；
二是对疾病的抵抗能力较强，能够适应环境变化，各种生理刺激以及致病因素对身体的作用。传统的健康观是“无病即健康”，现代人的健康观是整体健康，世界卫生组织提出“健康不仅是躯体没有疾病，还要具备心理健康、社会适应良好和有道德”。因此，现代人的健康内容包括：躯体健康、心理健康、心灵健康、社会健康、智力健康、道德健康、环境健康等。健康是人的基本权利。健康是人生的第一财富。
微信扫码咨询专知VIP会员