Πρόβλεψη στεφανιαίας νόσου με χρήση τεχνικών μηχανικής μάθησης
Προβολή/ Άνοιγμα
Λέξεις κλειδιά
Μηχανική μάθηση ; Εκτίμηση ρίσκου ; Yπερδειγματοληψία ; Στεφανιαία νόσος ; Επιλογή χαρακτηριστικών ; Προβλεπτικά μοντέλαΠερίληψη
Ο τομέας της υγείας έχει επηρεαστεί σε μεγάλο βαθμό από την τεχνολογία προς το
καλύτερο, καθώς με την ραγδαία ανάπτυξη τής εξελίσσεται και η ίδια. Όπως κάθε
σύγχρονο τεχνολογικό μέσο, έτσι και τα ιατρικά μηχανήματα και εργαλεία παράγωγουν
μεγάλο βαθμό δεδομένων. Τα τελευταία χρόνια ο όγκος των δεδομένων που παράγονται
καθημερινά σε όλο τον κόσμο είναι δύσκολα διαχειρίσιμος και συνεχώς αναζητούνται οι
καλύτερες λύσεις για την βελτίωση της διαχείρισης τους. Πολλές φορές, μέσα από αυτά
μπορούν δημιουργηθούν εύλογα και χρήσιμα συμπεράσματα για διάφορα θέματα της
καθημερινότητας όπως στην προκειμένη περίπτωση η υγεία. Μέσω της καταχώρησης
ιστορικού των ιατρικών δεδομένων για διάφορα συμπτώματα που αφορούν ασθενείς
προκύπτουν συμπεράσματα μέσω των οποίων προτείνονται πρόνοιες και προλήψεις για
τους ίδιους τους ασθενείς αλλά και για μελλοντικούς με παρόμοιο ιατρικό ιστορικό ή
συμπτώματα. Η παρούσα διπλωματική έχει ως στόχο τη δημιουργία μοντέλων
πρόβλεψης και με τη βοήθεια ενός συνόλου δεδομένων από ανθρώπους που
υποβλήθηκαν σε εξετάσεις που αφορούν την καρδιά τους, να προβλεφθεί αν τα επόμενα
10 χρόνια ενδεχομένως θα εμφανίσουν συμπτώματα στεφανιαίας νόσου. Η στεφανιαία
νόσος είναι μια πάθηση όπου οι αρτηρίες της καρδιάς δεν μπορούν να παραδώσουν
αρκετό αίμα πλούσιο σε οξυγόνο στην καρδιά. Η συγκεκριμένη πάθηση μπορεί να
προκαλέσει σοβαρότατα προβλήματα στην υγεία ενός ανθρώπου και να τον οδηγήσει
μέχρι και στον θάνατο. Έτσι, έχοντας το σύνολο δεδομένων και με τη βοήθεια ορισμένων
μοντέλων μηχανικής μάθησης, αλλά και άλλων τεχνικών μηχανικής μάθησης έγινε
προσπάθεια να βρεθεί το καλύτερο από αυτά που να προβλέπει, σύμφωνα με τα
δεδομένα κάθε ασθενούς, με την καλύτερη ακρίβεια την εμφάνιση της στεφανιαίας νόσου
μέσα στα επόμενα 10 χρόνια. Επίσης, μέσω της εκτίμησης ρίσκου και με τη βοήθεια
αλγορίθμων που απονέμουν πόντους σε ορισμένα συμπτώματα του ασθενή, γίνεται μια
αντίστοιχη πρόβλεψη υπολογίζοντας το ποσοστό της πιθανότητας εμφάνισης της
στεφανιαίας νόσου μέσα από διαφορετικές συνθήκες. Με τη βοήθεια των παραπάνω,
έγινε προσπάθεια υλοποίησης μιας απλής εφαρμογής μέσω της οποίας ένας ασθενής,
καταχωρώντας τα συμπτώματα και τα δεδομένα του, μπορεί να ενημερωθεί για το μέλλον
σε ό,τι αφορά το καρδιαγγειοακό πρόβλημα της στεφανιαίας νόσου. Στο τέλος,
αναλύονται τα συμπεράσματα που προέκυψαν στην πειραματική διαδικασία.