なぜトランスレーショナルバイオメディシンで機械学習技術をあまり使用しないのですか？

これは前の質問のフォローアップです。ここに ：

治療結果を予測するニューラルネットワークモデル

そして、この質問の別の側面を参照すると見なされるかもしれません：

少量サンプルの臨床研究における機械学習技術の応用

再投稿を提案したZachに感謝します。

CART、randomForest、ニューラルネットワーク、機械学習全般についてかなり真剣に読んだり、WEKAとRパッケージについて学習したり、スタンフォードエンジニアリングの講義http://www.ml-class.org/コース/クラス/インデックス、私はハスティーに3章います。臨床指向の研究で定期的に見られる種類のデータ-臨床パラメータの負荷+生化学的パラメータの負荷+ペンと紙のテストデータ+/-数値が小さい神経画像データを考えると、何かが足りないような気がします。私は、研究文献で適用されているML技術について定期的に読んでいません。私の質問は、私は疑わしい何かにとらわれて、それをよく知っている臨床医や生物統計学者を研究することによって正当化された疑いで見なされているのか、あるいはこれらの手法は「ビジネス分析」の外で本当に見落とされているか恐れられているのか？それを「ニッチ」に保つものは何ですか？

機械学習技術は、多くの場合、解釈性に欠けています。また、それらは統計的な観点からかなり粗雑になる傾向があります-たとえば、ニューラルネットワークは入力データについて仮定を行いません。多くの人が（特に統計的背景が強い場合）、彼らを見下しているような気がします。

生物医学における機械学習の実績はあまりよくありません。機械学習の初期の成功は、視覚的パターン認識などの信号：ノイズ比パターン認識の領域が高かったことです。生物学と社会科学ではS：N比ははるかに低くなります。機械学習は、予測子間の相互作用の多くに効果的に適合します。そのためには、サンプルサイズが非常に大きいか、S：N比が非常に高い必要があります。参照してください。機械学習である医学魅了を？。さらに、機械学習の多くの実践者は、予測タスクを分類タスクと誤解しています。詳細はこちらをご覧ください。