التنبؤ بحالة المريض - محاكاة OJIA 2

🏥 المشكلة: تحليل وتنبؤ حالة المريض

لهذه المشكلة يجب أن تقوموا بتنفيذ نموذج تعلم آلي للتنبؤ بقيمة حقل Status باستخدام مجموعة بيانات متاحة، تحتوي على معلومات حول المرضى. مجموعة البيانات منظمة في ملف CSV يتضمن خصائص متنوعة (features)، وسيتم تقييم النموذج على أساس الدقة لفئة Dead.

📊 مجموعة البيانات

تحتوي مجموعة البيانات على الحقول التالية:

• Age: عمر المريض.
• Race: عرق المريض (مثل: White، Other).
• Marital Status: الحالة الاجتماعية للمريض.
• T Stage: مرحلة الورم (T1، T2، T3، T4).
• N Stage: درجة إصابة العقد الليمفاوية.
• 6th Stage: مرحلة السرطان وفقاً لتصنيف TNM للطبعة السادسة.
• differentiate: درجة تمايز الورم.
• Grade: الدرجة النسيجية للورم (1، 2، 3 إلخ).
• A Stage: تصنيف مرحلة المرض.
• Tumor Size: حجم الورم.
• BMI: مؤشر كتلة الجسم.
• Heart Rate: معدل ضربات القلب.
• Serum Creatinine: مستوى الكرياتينين في المصل.
• Uric Acid: مستوى حمض اليوريك.
• Hemoglobin: تركيز الهيموجلوبين.
• GFR (Glomerular Filtration Rate): معدل الترشيح الكبيبي.
• Serum Sodium: تركيز الصوديوم في المصل.
• Serum Potassium: تركيز البوتاسيوم في المصل.
• Serum Albumin: مستوى الألبومين في المصل.
• Lactate: تركيز اللاكتات.
• Status: حالة المريض („Dead" أو „Alive") – الحقل المستهدف.

📝 المهام

للمهام الفرعية الأولى، ستحتاجون لتحميل مجموعة البيانات وإجراء تحليلات إحصائية على train.csv.

المهمة الفرعية 1 (10 نقاط)

صنفوا الوظيفة الكلوية لكل مريض بناءً على قيمة GFR:

• Normal إذا كان GFR >= 90
• Mildly Decreased إذا كان 60 <= GFR < 90

المهمة الفرعية 2 (10 نقاط)

احسبوا الأرباع للقيم في عمود Serum Creatinine (Q1، Q2، Q3) وصنفوا المرضى في الاختبار:

• Very Low إذا كان Serum Creatinine <= Q1
• Low إذا كان Q1 < Serum Creatinine <= Q2
• High إذا كان Q2 < Serum Creatinine <= Q3
• Very High إذا كان Serum Creatinine > Q3

المهمة الفرعية 3 (10 نقاط)

تحديد قيمة BMI:

• 1 إذا كان BMI > الوسيط من train
• 0 إذا كان BMI <= الوسيط

المهمة الفرعية 4 (10 نقاط)

عدد المرضى من train الذين يقعون في نفس T Stage كالمريض من test.

المهمة الفرعية 5 (60 نقطة)

ابنوا نموذج ML للتنبؤ بـ Status (Dead أو Alive) بناءً على الخصائص. التقييم يتم على أساس الدقة لفئة Dead.

🧮 التقييم

مقياس التقييم هو الدقة لفئة Dead:

حيث:

• TP = عدد المرضى المتنبأ بهم بشكل صحيح Dead
• FP = عدد المرضى المتنبأ بهم Dead بشكل خاطئ

تنسيق ملف التسليم

يجب أن يكون ملف التسليم بتنسيق CSV (Comma-Separated Values)، مع الأعمدة التالية:

• subtaskID - فهرس المهمة التي نقدم الإجابة لها
• datapointID - المعرف الفريد للمريض من مجموعة البيانات
• answer - الإجابة المرتبطة بالمريض من مجموعة البيانات للمهمة المحددة

مثال:

1subtaskID,datapointID,answer21,3220,Normal32,3220,Very High43,3220,054,3220,128165,3220,1

📌 ملاحظات

• الحقل المستهدف هو Status.
• بعض الحقول قد تحتوي على قيم مفقودة (NaN) ويجب معالجتها.
• يُنصح بتحليل الارتباط بين المتغيرات والمتغير المستهدف.
• اكتشفوا وأزيلوا القيم الشاذة إذا كانت تؤثر على أداء النموذج.
• إرسال sample_output للاختبار المحلي يمنح 5 نقاط.

🗂️ موارد مفيدة

• Starter Kit كامل – يحتوي على هيكل يمكنكم البدء منه لحل المشكلة