Analyse og klassificering af Parkinson risici og symptomer

Analyse og klassifikation af Parkinson-risici og symptomer

Kontekst

Parkinsons sygdom er en progressiv neurodegenerativ tilstand, der påvirker bevægelseskontrol og kognitive funktioner. Den opstår hyppigt hos personer over 60 år og manifesterer sig gennem en kombination af motoriske symptomer (tremor, stivhed, bradykinesi, postural ustabilitet) og ikke-motoriske symptomer (søvnforstyrrelser, forstoppelse, depression, taleproblemer).

Tidlig diagnose og overvågning af sygdomsudviklingen er essentiel for at optimere behandlingen og forbedre patienternes livskvalitet. Kunstig Intelligens muliggør kompleks analyse af kliniske data og livsstil for:

• identifikation af risikofaktorer
• klassifikation af patienter
• estimering af sygdomsprogression

Til løsning af dette problem vil I have to filer til rådighed:

• train.csv – indeholder alle variabler, inklusive Diagnosis, til træning af modeller
• test.csv – indeholder de samme variabler, uden kolonnen Diagnosis, og data fra denne fil bruges til generering af forudsigelser

Beskrivelse af datasættet

Krav

For dette problem skal I løse 3 opgaver.

Task 1 – Cardiometabolic Risk Score (20 point)

Beregn for hver patient i testsættet en kardiovaskulær og metabolisk risikoscore baseret på eksisterende kolonner (Hypertension, Diabetes, BMI).

• Formel:

1CardiometabolicRiskScore = (Hypertension == 1) + (Diabetes == 1) + (BMI > 30)

CardiometabolicRiskScore er en simpel score, der evaluerer patientens kardiovaskulære og metaboliske risiko.
Hver komponent tilføjer et point til scoren:

• Hypertension: hvis patienten har forhøjet blodtryk, tilføjes 1 point.

• Diabetes: hvis patienten har diabetes, tilføjes 1 point.

• BMI > 30: hvis body mass index indikerer fedme (BMI over 30), tilføjes 1 point.

• Answer i indsendelsesfilen vil være den beregnede numeriske værdi for hver patient i testsættet.

Task 2 – Lifestyle Risk Index (20 point)

Beregn en score, der evaluerer risiko relateret til livsstil baseret på eksisterende kolonner (Smoking, AlcoholConsumption, PhysicalActivity).

• Formel:

1LifestyleRiskIndex = (Smoking == 1) + (AlcoholConsumption > 2) + (PhysicalActivity < 1)

LifestyleRiskIndex er en score, der evaluerer risikoen forbundet med patientens livsstil.
Hver komponent bidrager med et point til scoren:

• Smoking: hvis patienten ryger, tilføjes 1 point.
• AlcoholConsumption > 2: hvis patienten konsumerer mere end 2 enheder alkohol per uge, tilføjes 1 point.
• PhysicalActivity < 1: hvis patienten udfører mindre end en time fysisk aktivitet per uge, tilføjes 1 point.

Den endelige score varierer mellem 0 (livsstil uden risiko) og 3 (tilstedeværelse af alle risikofaktorer), hvilket giver et simpelt mål for livsstilens indvirkning på sundheden.

Task 3 – Parkinson Klassifikation (60 point)

Byg en klassifikationsmodel, der forudsiger Diagnosis (0 = sund, 1 = Parkinson) baseret på alle tilgængelige informationer i train.csv. I kan vælge at bruge alle informationer fra træningssættet til klassifikation af modellen eller I kan vælge de mest passende informationer.

• Forudsigelser for hver patient i test.csv skal være i form 0/1.
• Answer i indsendelsefilen vil være 0 (sund) eller 1 (lider af Parkinson) for hver patient.

Format for indsendelsesfile

Filen submission.csv skal indeholde:

• PatientID - repræsenterer patientens ID og er hentet fra filen test.csv;
• subtaskID kan være: Task1, Task2, Task3
• Answer repræsenterer den beregnede værdi for patienten angivet ved PatientID for opgaven angivet ved subtaskID.

Evaluering

For subtask 3 tildeles point i henhold til følgende regler:

• AUC ≥ 0.95 → 60 point
• AUC ≤ 0.70 → 0 point
• Intervallet mellem dem: proportional pointgivning

For subtask 1–2 evalueres nøjagtigt (ved sammenligning).