Μέθοδοι συμπλήρωσης ελλιπών τιμών σε ηλεκτρονικά ιατρικά δεδομένα με χρήση τεχνικών βαθιάς μάθησης

Abstract

Τα δεδομένα από ιατρικά εργαστήρια σε ηλεκτρονική μορφή (EHR) γίνονται ολοένα και πιο διαδεδομένα καθώς μεγάλες φαρμακευτικές εταιρείες συνοψίζουν χρόνια έρευνας με αυτόν τον τρόπο. Ακόμα, πολλά νοσοκομεία έχουν πλέον υιοθετήσει την ψηφιοποίηση των δεδομένων των ασθενών τους και σε αρκετές περιπτώσεις τα έχουν διαθέσει στην επιστημονική κοινότητα. ́Ομως, λόγω της φύσης των δεδομένων αυτών παρουσιάζεται συχνά το πρόβλημα των απουσιαζόντων τιμών. Τα δεδομένα αυτά χρησιμοποιούνται συχνά για πρόβλεψη η κατάτμησή όπου οι απουσιάζοντες τιμές αποδίδονται με κάποια τεχνική καταλογισμού η αφαιρούνται από το σύνολο. Πολλές φορές η τεχνική που χρησιμοποιείται είναι η απλή αντικατάσταση με τη μέση τιμή και την πιο συχνά εμφανιζόμενη τιμή για τις συνεχείς και τις κατηγορικές μεταβλητές αντίστοιχα. Στόχος της διπλωματικής εργασίας είναι η εφαρμογή συγχρόνων τεχνικών βαθιάς μάθη- σης όπως γενετικά ανταγωνιστικά δίκτυα και αυτοκωδικοποίητες σε πραγματικά ηλεκτρονικά ιατρικά δεδομένα για την ακριβή απόδοση των απουσιαζόντων τιμών με σκοπό τη βελτίωση της διαδικασίας της πρόβλεψης πάνω σε αυτά.