Avertissement: Ce site agrège des données publiques officielles provenant de la FDA, ClinicalTrials.gov, PubMed et SEC EDGAR à titre de référence générale uniquement. Il ne constitue pas un avis médical, un diagnostic, une recommandation de traitement ni un conseil en investissement.

PubMed

Surveillance réglementaire, inférence causale et apprentissage automatique pour des soins de santé sécuritaires et efficaces.

PMID : 31742358 ·

A, r, i, e, l, , D, o, r, a, , S, t, e, r, n, ;, , W, , N, i, c, h, o, l, s, o, n, , P, r, i, c, e

RevueBiostatistics (Oxford, England)
Année
PMID31742358

Résumé

Ces dernières années, l'utilisation de l'apprentissage automatique (ML) dans le cadre de la prestation de soins de santé est devenue à la fois abondante et persuasive. Les régulateurs ont pris conscience de ces évolutions et la Food and Drug Administration américaine (FDA) s'est activement engagée à réfléchir à la meilleure manière de faciliter une utilisation sécurisée et efficace. Bien que le champ de son contrôle pour les produits pilotés par des logiciels soit limité, si la FDA prend la tête dans la promotion et la facilitation des applications appropriées des causal

Source officielle

Voir sur PubMed →

Données issues de PubMed / NCBI. Pour le texte intégral et les informations les plus récentes, consultez toujours la notice officielle.

↑