Die medizinische und psychologische Forschung des 20. Jahrhunderts fußte stark auf p-Werte und den damit verbundenen statistischen Werkzeugen. Zu Beginn des 21. Jahrhunderts gibt es nun immer stärkere Bestrebungen, Diagnose, Behandlung und Therapie im Sinne einer Präzisionsmedizin personenspezifisch auszurichten. Dies erzeugt eine Spannung zwischen klassischer Inferenz und modernen Prädiktionsverfahren. In dieser nun veröffentlichten technischen Auseinandersetzung wurden die zwei statistischen Kulturen erstmals theoretisch und quantitativ gegenübergestellt. In der empirischen Forschung werden beide Fragestellungen - wie funktioniert die Krankheitsbiologie und was passiert als nächstes - wohl eine starke Bedeutung behalten. Das Verständnis von deren Wechselwirkung wird daher zunehmend wichtig.
Der Anfang April in der renommierten Fachzeitschrift ‚Nature Methods‘ publizierte Artikel "Points of Significance: Statistics versus machine learning" von Danilo Bzdok (Jun.-Prof. der Klinik für Psychiatrie, Psychotherapie und Psychosomatik), Naomi Altman und Martin Krzywinski, erregt aktuell disziplinübergreifendes Aufsehen in der wissenschaftlichen Diskussion. Momentan rangiert er unter den Top 2% der meist beachteten Wissenschaftsartikel.
Hier finden Sie Informationen zur Publikation:
Bzdok D, Altman N, Krzywinski M. Points of Significance: Statistics versus machine learning. Nature Methods 2018; 15: 233–234.
