Opening the Black Box: The Promise and Limitations of Explainable Machine Learning in Cardiology.

Petch, Jeremy; Di, Shuang; Nelson, Walter

Petch, Jeremy; Di, Shuang; Nelson, Walter.

Afiliación

Petch J; Centre for Data Science and Digital Health, Hamilton Health Sciences, Hamilton, Ontario, Canada; Institute of Health Policy, Management and Evaluation, University of Toronto, Toronto, Ontario, Canada; Division of Cardiology, Department of Medicine, McMaster University, Hamilton, Ontario, Canada; Population Health Research Institute, Hamilton, Ontario, Canada. Electronic address: Jeremy.petch@utoronto.ca.
Di S; Centre for Data Science and Digital Health, Hamilton Health Sciences, Hamilton, Ontario, Canada; Dalla Lana School of Public Health, University of Toronto, Toronto, Ontario, Canada.
Nelson W; Centre for Data Science and Digital Health, Hamilton Health Sciences, Hamilton, Ontario, Canada; Department of Statistical Sciences, University of Toronto, Toronto, Ontario, Canada.

Can J Cardiol ; 38(2): 204-213, 2022 02.

Article en En | MEDLINE | ID: mdl-34534619

Asunto(s)

Inteligencia Artificial; Cardiología/métodos; Enfermedades Cardiovasculares/terapia; Atención a la Salud/organización & administración; Aprendizaje Automático; Humanos

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Inteligencia Artificial / Cardiología / Enfermedades Cardiovasculares / Atención a la Salud / Aprendizaje Automático Tipo de estudio: Prognostic_studies Aspecto: Determinantes_sociais_saude Límite: Humans Idioma: En Revista: Can J Cardiol Asunto de la revista: CARDIOLOGIA Año: 2022 Tipo del documento: Article Pais de publicación: Reino Unido

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google