Διάγνωση εγκεφαλικού επεισοδίου με χρήση μεθόδων Μηχανικής Μάθησης

Abstract

η διαταραχή της ροής του αίματος προς συγκεκριμένες περιοχές του εγκεφάλου, με αποτέλεσμα τη βλάβη στα εγκεφαλικά κύτταρα. Η έγκαιρη διάγνωση του εγκεφαλικού επεισοδίου είναι ζωτικής σημασίας, καθώς η καθυστέρηση στην ιατρική παρέμβαση αυξάνει σημαντικά τον κίνδυνο μη αναστρέψιμων εγκεφαλικών βλαβών. Η παρούσα εργασία επικεντρώνεται στην εξερεύνηση του ρόλου των εξωκυτταρικών κυστιδίων (EVs) ως μη επεμβατικοί βιοδείκτες για την έγκαιρη διάγνωση και παρακολούθηση του εγκεφαλικού λόγω της δυνατότητάς τους να αντανακλούν την κυτταρική δραστηριότητα και να διαπερνούν τον αιματοεγκεφαλικό φραγμό. Η μελέτη βασίζεται σε δεδομένα που συλλέχθηκαν από το Πανεπιστημιακό Ιατρικό Κέντρο του Άμστερνταμ, περιλαμβάνοντας κλινικές και δημογραφικές πληροφορίες των ασθενών καθώς χαρακτηριστικά των EVs. Η μεθοδολογία της εργασίας επικεντρώνεται σε δύο άξονες: την επιλογή χαρακτηριστικών για την αναγνώριση των κρίσιμων παραμέτρων του εγκεφαλικού και την εφαρμογή αλγορίθμων μηχανικής μάθησης Gradient Boosting, XGBoost, Random Forest, Naïve Bayes, SVM, KNN και Decision Trees) για την ταξινόμηση των ασθενών. Στο πρώτο μέρος της ανάλυσης, εξετάζεται η διάγνωση του εγκεφαλικού επεισοδίου. Τα αποτελέσματα δείχνουν ότι ο βιοδείκτης CD235a-PE+ είναι ο πιο αποδοτικός, έχοντας επιλέξει τα εξής χαρακτηριστικά: Age, RR syst., Thrombocytes, wbc, glucose, Total, Total Concentration, Mean, Median, kurtosis και σημειώνοντας ακρίβεια 88%, recall 97%, precision 89%, f1 – score 93% και τιμή AUC 80%. Στο δεύτερο στάδιο, η διάκριση των τύπων εγκεφαλικού παρουσίασε ακρίβεια που κυμαίνεται από 40.5% έως 52.4%, με κοινά χαρακτηριστικά όπως Age, RR syst., Thrombocytes, wbc, και glucose. Στο τρίτο μέρος της έρευνας, εφαρμόζεται η μέθοδος "Two-Stage Hybrid Data Classifiers" για διάγνωση σε δύο στάδια: το πρώτο στάδιο κατηγοριοποιεί τους ασθενείς ανάλογα αν έχουν υποστεί εγκεφαλικό ή όχι, ενώ το δεύτερο εστιάζει στην ανίχνευση του τύπου εγκεφαλικού. Εξετάζονται δύο προσεγγίσεις: η επιλογή χαρακτηριστικών μόνο στο πρώτο στάδιο ή η επιλογή χαρακτηριστικών και στα δύο στάδια για την βελτίωση της απόδοσης του μοντέλου. Στην πρώτη περίπτωση, ο βιοδείκτης CD235a-PE+ παρουσίασε την υψηλότερη ακρίβεια (73%), με τιμές Precision 57% και Recall 50%. Στη δεύτερη περίπτωση, για τον ίδιο βιοδείκτη παρατηρήθηκε η μεγαλύτερη ακρίβεια (59%). Τέλος στο 4ο στάδιο, εξετάζεται μια εναλλακτική ταξινόμηση σε τρεις κατηγορίες (Control, Ischemic Stroke, Bleeding).. Η μετάβαση στη νέα ταξινόμηση έδειξε σημαντική βελτίωση στην ακρίβεια και στη διαγνωστική αξία των μοντέλων, με τον βιοδείκτη CD235a-PE+ να επιτυγχάνει ακρίβεια 73.8% και F1- score 61.1%, ενώ ο CD14-PB+ παρουσίασε το υψηλότερο AUC (73%) για τη διάκριση μεταξύ ισχαιμικού και αιμορραγικού εγκεφαλικού επεισοδίου.