Ανάπτυξη ενός μοντέλου εκτίμησης του κινδύνου εμφάνισης καρδιαγγειακής νόσου σε άτομα με Σακχαρώδη Διαβήτη Τύπου 2 βασισμένου σε νευρωνικά δίκτυα γράφων

Abstract

Ο Σακχαρώδης Διαβήτης Τύπου 2 (ΣΔΤ2) είναι ο πιο συχνός τύπος Σακχαρώδους Διαβήτη (ΣΔ). Τα άτομα με ΣΔΤ2 εμφανίζουν υψηλότερα ποσοστά θνησιμότητας λόγω καρδιαγγειακής νόσου καθώς έχουν μεγαλύτερη πιθανότητα νόσησης σε σύγκριση με τον γενικό πληθυσμό. Διεθνείς κατευθυντήριες οδηγίες για την διαχείριση του ΣΔ συνηγορούν στην χρήση μοντέλων εκτίμησης του κινδύνου εμφάνισης καρδιαγγειακής νόσου για την έγκαιρη λήψη προληπτικών μέτρων. Παρ’ όλες τις ερευνητικές προσπάθειες που σημειώνονται προς αυτήν την κατεύθυνση, οι μηχανές εκτίμησης του κινδύνου εμφάνισης καρδιαγγειοπάθειας που συνήθως βασίζονται μοντέλα λογιστικής παλινδρόμησης, υποεκτιμούν ή υπερεκτιμούν τον κίνδυνο σε άτομα με ΣΔΤ2. Αντικείμενο της παρούσας διπλωματικής εργασίας είναι η διερεύνηση εφαρμογής ερμηνεύσιμων μεθόδων τεχνητής νοημοσύνης προς την ανάπτυξη ενός αξιόπιστου μοντέλου εκτίμησης του κινδύνου εμφάνισης καρδιαγγειοπάθειας σε άτομα με ΣΔΤ2. Το μοντέλο λαμβάνει ως είσοδο τα στοιχεία του ατόμου με ΣΔΤ2 κατά την πρώτη επίσκεψη στο νοσοκομείο και εξάγει την πιθανότητα εμφάνισης καρδιαγγειακής νόσου σε βάθος πενταετίας. Η ανάπτυξή του έχει βασιστεί στην συνδυασμένη χρήση τεχνητών νευρωνικών δικτύων γράφων και τιμών Shapley από την συνεργατική θεωρία παιγνίων. Συγκεκριμένα, έχει δημιουργηθεί ένας γράφος ασθενών εφαρμόζοντας μια προσαρμοσμένη συνάρτηση απόστασης σε δεδομένα που περιλαμβάνουν πληροφορίες σχετικά με δημογραφικά και σωματομετρικά στοιχεία καθώς και ιατρικού ιστορικού, εργαστηριακών εξετάσεων, τρόπου ζωής και θεραπείας. Ο γράφος εισάγεται σε ένα συνελικτικό δίκτυο γράφων, η αρχιτεκτονική του οποίου διευκολύνει την εφαρμογή τεχνικών αναγνώρισης ανωμαλιών κόμβων για την αντιμετώπιση της μη ισορροπημένης φύσης των διαθέσιμων δεδομένων. Για την ανάπτυξη και την αξιολόγηση χρησιμοποιήθηκαν δεδομένα που παραχωρήθηκαν από το Ιπποκράτειο Γενικό Νοσοκομείο Αθηνών και αντιστοιχούν στην πενταετή παρακολούθηση 560 ατόμων με ΣΔΤ2. Για την ερμηνεία των προβλέψεων του μοντέλου σε επίπεδο πληθυσμού χρησιμοποιήθηκε η μέθοδος Kernel SHAP ενώ για την ερμηνεία των προβλέψεων του μοντέλου σε επίπεδο ασθενούς χρησιμοποιήθηκε η μέθοδος GraphSVX. Το μοντέλο αξιολογήθηκε τόσο ως προς την προβλεπτική του ικανότητα όσο και ως προς την ικανότητα του να παράγει ερμηνεύσιμες προβλέψεις.