Εφαρμογές μηχανικής μάθησης στην νόσο του Alzheimer

Abstract

Η Νόσος του Alzheimer είναι μία μορφή άνοιας, με ιδιαίτερα περίπλοκη παθολογία και συμπτωματολογία, ενώ αποτελεί μία από τις πιο συχνές αιτίες θανάτου του γηραιoύ πληθυσμού. Ο εντοπισμός της νόσου πριν την εκδήλωση σοβαρών συμπτωμάτων, είναι πολύ σημαντικός, διότι με κατάλληλες παρεμβάσεις είναι δυνατή η επιβράδυνση της εξέλιξής της. Η ήπια νοητική διαταραχή θεωρείται ως προάγγελος τη νόσου, διότι εξελίσσεται σε αυτή κατά ένα σημαντικό ποσοστό. Αυτό σημαίνει ότι, η διάγνωση αυτής της διαταραχής έναντι της Νόσου Alzheimer παρουσιάζει μεγάλο ενδιαφέρον. Παρόλα αυτά, η απουσία πλήρους κατανόησης των μηχανισμών που την προκαλούν και την διέπουν, καθιστά την διάγνωσή της ιδιαίτερα απαιτητική, ιδίως στα αρχικά στάδια. Επιπροσθέτως, τα κοινά χαρακτηριστικά με άλλες μορφές άνοιας, γνωστικές διαταραχές ή ακόμη και άλλες παθολογικές καταστάσεις αποτελούν εμπόδια στην έγκαιρη ανίχνευσή της. Ένας τρόπος υπερπήδησης αυτών των προκλήσεων, καθώς και της υποκειμενικότητας που χαρακτηρίζει την διάγνωση ενός γιατρού, είναι η χρήση μοντέλων μηχανικής μάθησης. Η παρούσα διπλωματική εργασία εστιάζει στην μελέτη και σύγκριση διάφορων τεχνικών μηχανικής μάθησης, με σκοπό την διάγνωση της Νόσου Alzheimer έναντι της ήπιας νοητικής διαταραχής. Τα δεδομένα, που αξιοποιήθηκαν, περιλαμβάνουν δημογραφικά χαρακτηριστικά, βαθμολογίες σε γνωστικούς δείκτες και τους όγκους 31 περιοχών ενδιαφέροντος από κάθε ημισφαίριο του εγκεφάλου, και που έχουν εξαχθεί από μαγνητικές τομογραφίες. Τα αποτελέσματα που προέκυψαν εφαρμόζοντας 10-fold cross validation, οδήγησαν στο συμπέρασμα ότι, ο ακριβέστερος διαχωρισμός, λαμβάνοντας υπόψη το σύνολο των μέτρων αξιολόγησης, επιτυγχάνεται από έναν SVM κατηγοριοποιητή. Το μοντέλο σημείωσε μέσο accuracy 92% και μέσο AUC 0,94. Η υψηλή απόδοση θεωρείται ότι, είναι αποτέλεσμα των γνωστικών τεστ, στα οποία στηρίζεται η διάγνωση, αλλά ενισχύεται και από τα δεδομένα των μαγνητικών τομογραφιών.