Πρόβλεψη πιθανής κακοήθειας σε ασθενείς με υπεζωκοτική συλλογή με την χρήση κλινικών δεδομένων και μεθόδων υπολογιστικής νοημοσύνης

• Κύριος συγγραφέας: Παπαπαύλου, Αργυρώ
• Άλλοι συγγραφείς: Papapavlou, Argiro
• Γλώσσα: Greek
• Έκδοση: 2020
• Θέματα: Καρκίνος; Υπεζωκοτικές συλλογές; Cancer; Pleural effusions

Οι υπεζωκοτικές συλλογές προκαλούνται στο 40% των περιπτώσεων από καρκίνους και στο 60% από καλοήθη αίτια. Ενώ η πρόγνωση αυτών των δύο κατηγοριών ασθενών είναι πολύ διαφορετική, επί του παρόντος, δεν υπάρχει κανένας εύκολος τρόπος για τους ιατρούς να διαχωρίσουν αυτές τις δύο ομάδες ασθενών. Η διάγνωση απαιτεί χρόνο και εξειδικευμένες εξετάσεις που συχνά απαιτούν την παραμονή του ασθενή στο νοσοκομείο. Σκοπός της παρούσας διπλωματικής ήταν να εφαρμοστούν υπολογιστικά προβλεπτικά μοντέλα σε απλά κλινικά και εργαστηριακά δεδομένα που συλλέγονται κατά την εισαγωγή στο νοσοκομείο ασθενών με υπεζωκοτικές συλλογές. Στόχος ήταν να σχεδιαστούν και να ελεγχθούν υπολογιστικά διαγνωστικά τεστ που θα προσδιορίζουν αν οι ασθενείς με υπεζωκοτικές συλλογές έχουν καρκίνο ώστε να μειωθεί ο χρόνος της διάγνωσης και η νοσοκομειακή παραμονή. Τα δεδομένα που χρησιμοποιήθηκαν για την εκπαίδευση και τον έλεγχο των προβλεπτικών μοντέλων είναι απλά κλινικά και εργαστηριακά δεδομένα που ελήφθη-σαν κατά την εισαγωγή ασθενών με υπεζωκοτικές συλλογές στα τμήματα έκτακτης ανάγκης του Γενικού Περιφερειακού Πανεπιστημίου Νοσοκομείου Πατρών από το 2013 έως το 2017. Για την εκπαίδευση και τον έλεγχο διαγνωστικών μοντέλων δοκιμάστηκαν μια πληθώρα από μεθοδολογίες μηχανικής μάθησης όπως είναι οι τεχνικές δέντρων απόφασης και τυχαίων δασών και διάφορες υλοποιήσεις τους. Ειδική έμφαση δόθηκε στην αποδοτική επίλυση των προβλημάτων επιλογής χαρακτηριστικών, ανισορροπίας κλάσεων, διαχείρισης ελλειπών τιμών και βελτιστοποίησης μοντέλων ταξινόμησης. Με βάση τα συγκριτικά αποτελέσματα καλύτερη απόδοση προέκυψε από την υβριδική μεθοδολογία Ensemble GASVR (~78% ακρίβεια με 5-fold cross validation) η οποία βρέθηκε να ξεπερνά σε ακρίβεια την τελευταία μεθοδολογία MAPED που βασίζεται σε ένα γραμμικό συνδυασμό των χαρακτηριστικών. O ρόλος της έγκαιρης διάγνωσης είναι πολύ σημαντικός και η παρούσα διπλωματική εργασία προσπάθησε να συνεισφέρει σε αυτό τον τομέα για την περίπτωση των υπεζωκοτικών συλλογών σε ασθενείς καρκίνου.