Ανάπτυξη Μεθόδων Μηχανικής Μάθησης για την Εκτίμηση της Σοβαρότητας της Ρευματοειδούς Αρθρίτιδας

Abstract

H μηχανική μάθηση είναι ένα πεδίο της τεχνητής νοημοσύνης το οποίο εφαρμόζεται όλο και περισσότερο στην ιατρική για την υποστήριξη τόσο των ασθενών όσο και των γιατρών. Στην παρούσα διπλωματική εργασία χρησιμοποιήθηκαν δημογραφικά, κλινικά, εργαστηριακά και περιβαλλοντικά δεδομένα καθώς και πληροφορίες σχετικά με τη θεραπευτική αγωγή και τις συννοσηρότητες, από μια βάση δεδομένων τριακοσίων (300) ασθενών με ρευματοειδή αρθρίτιδα (ΡΑ) που προέρχεται από τα αρχεία ασθενών των ρευματολογικών κλινικών των νοσοκομείων Ευαγγελισμός και Λαϊκό Νοσοκομείο Αθηνών. Στόχος της εργασίας είναι η ανάπτυξη μοντέλων μηχανικής μάθησης για την εκτίμηση της σοβαρότητας της νόσου, με σκοπό τη διερεύνηση της δυνατότητας ανάπτυξης στο μέλλον ενός νέου δείκτη προσδιορισμού της σοβαρότητας της ΡΑ στους ασθενείς. Αναπτύχθηκαν πέντε μοντέλα μηχανικής μάθησης τα οποία εκπαιδεύτηκαν και ελέγχθηκαν με το διαθέσιμο σύνολο δεδομένων. Η επικύρωση των μοντέλων βασίστηκε στην «εκτίμηση σοβαρότητας» (Severity) που παράχθηκε από ειδικούς ρευματολόγους για κάθε ασθενή. Οι αλγόριθμοι που χρησιμοποιήθηκαν στο πλαίσιο της παρούσας εργασίας περιλαμβάνουν αλγορίθμους συσταδοποίησης μη εποπτευόμενης μάθησης (kmeans, kmedoids, GaussianMixture) και τον αλγόριθμο εποπτευόμενης μάθησης K- nearest neighbors (ΚΝΝ). Σύμφωνα με τη συγκριτική αξιολόγηση των αποτελεσμάτων που παρήχθησαν, το μοντέλο KNN πέτυχε την υψηλότερη ακρίβεια (90%). Οι σημαντικότερες μεταβλητές για την εκτίμηση της σοβαρότητας στο δείγμα ασθενών που εξετάστηκε περιλαμβάνουν τις εξής: Sharp-Score (αξιολόγηση ακτινολογικών ευρημάτων), Duration (διάρκεια νόσου), HLA-DRB1 (λευκοκυτταρικό αντιγόνο), CCP (αντισώματα ορού έναντι κιτρουλίνης) και RF (ρευματοειδή παράγοντα). Τα αποτελέσματα της εργασίας υποδεικνύουν ότι τα μοντέλα μηχανικής μάθησης για την εκτίμηση της σοβαρότητας της ΡΑ που αναπτύχθηκαν είναι αξιόπιστα, παράγουν ακριβείς εκτιμήσεις και θα μπορούσαν να αξιοποιηθούν για την υλοποίηση μιας εφαρμογής λογισμικού που θα είναι χρήσιμη στον ειδικό γιατρό παρέχοντας έναν αξιόπιστο δείκτη της σοβαρότητας της ΡΑ.