Uno studio internazionale guidato da RISE-Health ha dimostrato che modelli statistici semplici possono essere più efficaci degli algoritmi avanzati nella previsione del rischio cardiovascolare. La ricerca ha confrontato 11 metodi distinti di apprendimento automatico e di regressione regolarizzata.
I ricercatori hanno analizzato diversi approcci per valutare quale fosse in grado di prevedere con maggiore precisione il rischio cardiovascolare dei pazienti. I risultati indicano che le tecniche di regressione regolarizzata hanno ottenuto prestazioni superiori o equivalenti ai metodi più complessi di apprendimento automatico.
Questo studio mette in discussione la convinzione ampiamente diffusa che algoritmi più sofisticati siano necessariamente più precisi nella medicina predittiva. La ricerca suggerisce che la semplicità dei modelli statistici tradizionali può essere sufficiente, e persino vantaggiosa, in determinati contesti clinici.
I risultati hanno implicazioni importanti per la pratica medica, poiché i metodi più semplici tendono a essere più interpretabili, più facili da implementare e meno costosi delle soluzioni basate sull'intelligenza artificiale più complesse.
