Ερμηνεύσιμη Τεχνητή Νοημοσύνη για την Ανάλυση Δεδομένων Διατροφογενωμικής

Abstract

Η παχυσαρκία συνδέεται με πλήθος παραγόντων όπως τις διατροφικές συνήθειες, την ψυχική υγεία, τη γενετική προδιάθεση και το περιβάλλον του ατόμου. Η παρούσα διπλωματική εργασία στοχεύει στην ανακάλυψη συσχετίσεων μεταξύ διατροφικών συνηθειών και γενετικών παραγόντων που μπορεί να συνδέονται με την εμφάνιση της παχυσαρκίας με μεθόδους μηχανικής μάθησης χρησιμοποιώντας ένα σύνολο δεδομένων με στοιχεία από 2700 άτομα. Το σύνολο δεδομένων είχε 64 χαρακτηριστικά εισόδου τα οποία σχετίζονται με το φύλο, τις διατροφικές συνήθειες και γονιδιακά δεδομένα των συμμετεχόντων, γι’ αυτό υπήρξε η ανάγκη επιλογής των σημαντικότερων από αυτά. Συγκεκριμένα, δημιουργήθηκαν υποσύνολα με πέντε ως είκοσι πέντε χαρακτηριστικά εισόδου και αναπτύχθηκαν μοντέλα πρόβλεψης και ταξινόμησης, που χρησιμοποιούσαν ως είσοδο αυτά τα υποσύνολα. Στην συνέχεια, με στόχο την αύξηση της αξιοπιστίας των μοντέλων χρησιμοποιήθηκε η μέθοδος ερμηνευσιμότητας Shapley. Μέσω αυτής της μεθόδου εντοπίστηκαν συγκεκριμένοι παράγοντες που επηρεάζουν το φαινόμενο της παχυσαρκίας. Το μοντέλο Gradient Boosting που υλοποιήθηκε πέτυχε ακρίβεια 68,80% και τα αποτελέσματα της ερμηνευσιμότητας έδειξαν πως ο καθορισμός του φύλου, τα κορεσμένα λίπη, το φολικό οξύ, η καφεΐνη, το φολικό οξύ που λαμβάνεται από την τροφή, τα ωμέγα 3 λιπαρά που λαμβάνονται από την τροφή και η οικογένεια φυτών Allium, είναι οι παράγοντες που επηρεάζουν περισσότερο την εξέλιξη της παχυσαρκίας.