Πρόβλεψη εμφάνισης στεφανιαίας νόσου με τη χρήση αλγορίθμων μηχανικής μάθησης

Abstract

Στον τομέα της υγείας, η μηχανική μάθηση έχει σημαντικό ρόλο στην ανάλυση μεγάλου όγκου δεδομένων, βοηθώντας τους επαγγελματίες υγείας στη διάγνωση ή πρόληψη ασθενειών. Οι καρδιαγγειακές παθήσεις είναι χρόνιες ασθένειες µε παγκόσμια εξάπλωση και σοβαρές επιπλοκές για τους πάσχοντες και αποτελούν την κύρια αιτία θανάτου παγκοσμίως. Η συχνότερη μεταξύ αυτών είναι η στεφανιαία νόσος. Με στόχο την πρόβλεψη και κατ’ επέκταση την πρόληψη της εµφάνισης στεφανιαίας νόσου και των επιπλοκών της, στην παρούσα εργασία αναπτύχθηκε ερμηνεύσιμο μοντέλο εκτίµησης του κινδύνου εµφάνισης καρδιακής νόσου με την χρήση αλγορίθμων μηχανικής μάθησης. Χρησιμοποιήθηκαν δεδομένα 319.795 ατόμων που συλλέχθηκαν από το Κέντρο Ελέγχου και Πρόληψης Ασθενειών των Η.Π.Α. (CDC) και περιλαμβάνουν 18 χαρακτηριστικά που σχετίζονται με τη γενική υγεία και τις συνήθειες των συμμετεχόντων. Για την αποτελεσματική διαχείριση της µη ισορροπημένης φύσης των δεδομένων διερευνήθηκαν ποικίλες τεχνικές εξισορρόπησής τους. Η ανάπτυξη του μοντέλου υλοποιήθηκε σε γλώσσα προγραμματισμού Python με χρήση των αλγορίθμων K-Nearest Neighbors, Naive Bayes, Logistic Regression, Decision Tree, Random Forest και Multi-layer Perceptron (MLP). Το κάθε μοντέλο αξιολογήθηκε ως προς τη διακριτική του ικανότητα, ενώ οι μέθοδοι ερμηνευσιμότητας Permutation Feature Importance και LIME προσέφεραν πολύτιμες πληροφορίες για την βαρύτητα κάθε χαρακτηριστικού στην πρόβλεψη. Μεταξύ των ανωτέρω μοντέλων τα καλύτερα αποτελέσματα έδωσαν τα μοντέλα με Logistic Regression, Random Forest και MLP με ευαισθησία 81% και ειδικότητα 72%, 71% και 72% αντίστοιχα.