Un enfoque de aprendizaje multitarea que combina tareas de regresión y clasificación para la selección conjunta de características

Por qué importa esta nueva herramienta para los datos

La medicina moderna recopila enormes cantidades de información sobre cada paciente, desde valores de laboratorio y constantes vitales hasta medidas cerebrales y genéticas detalladas. Los médicos e investigadores a menudo desean predecir varias cosas a la vez —como el diagnóstico de una enfermedad y los niveles de marcadores sanguíneos importantes— y al mismo tiempo descubrir qué mediciones son realmente las más relevantes. Este artículo presenta una nueva herramienta estadística, llamada MTLComb, que ayuda a realizar ambas tareas simultáneamente de forma más justa y fiable, especialmente cuando las predicciones diferentes no son del mismo tipo.

Cita: Cao, H., Rajan, S., Hahn, B. et al. A multi-task learning approach combining regression and classification tasks for joint feature selection. Sci Rep 16, 12699 (2026). https://doi.org/10.1038/s41598-026-43551-3

Palabras clave: aprendizaje multitarea, biomarcadores, sepsis, esquizofrenia, IA médica