Marco para utilizar datos del mundo real y modelos de resultados de salud para evaluar modelos de predicción de riesgos basados en el aprendizaje automático

A pesar del rápido desarrollo de nuevos modelos de predicción de riesgos (MPR) mediante metodologías de aprendizaje automático (AA), son pocos los MPR que se han implementado para su uso en la práctica clínica. Una de las razones de la brecha entre el desarrollo de estos nuevos y su implementación es la falta de evidencia sobre la utilidad clínica en el mundo real, ya que no llegan a captar el complejo contexto clínico en el que se utilizaría el modelo.

Con el objetivo de evaluar la utilidad potencial de los nuevos MPR en la práctica clínica se ha propuesto un marco de modelización de resultados sanitarios para la toma de decisiones dinámica y con datos de evidenci