Alzheimeri diagnoosi ennustamise süsteem

🧠 Alzheimeri diagnoosi ennustamise süsteem 🩺

Meditsiiniinstituut soovib arendada automatiseeritud süsteemi, mis aitaks
tuvastada Alzheimeri riskiga patsiente, kasutades kliinilisi,
demograafilisi ja käitumuslikke andmeid.

Oled saanud andmestiku kliiniliselt hinnatud patsientidega ning eesmärk on ehitada
binaarse klassifikatsiooni mudel, mis suudab ennustada diagnoosi uutele patsientidele.

Sulle on antud järgmised failid:

• train.csv – ajaloolised andmed patsientide kohta, mis sisaldavad diagnoosi
• test.csv – andmed uute patsientide kohta, ilma diagnoosita

Peamine eesmärk: tõenäosuse ennustamine, et patsiendil diagnoositakse Alzheimer
(väärtus 0 ja 1 vahel, kus 0 = terve patsient, 1 = Alzheimeriga patsient).

📊 Andmestik

Iga rida esindab ühte patsienti ja sisaldab järgmisi atribuute:

🔑 Identifitseerimine

• PatientID – patsiendi unikaalne identifikaator

👤 Demograafilised andmed

• Age – patsiendi vanus
• Gender – sugu (0 = naissoost, 1 = meessoost)
• Ethnicity – patsiendi etniline kuuluvus (numbriliselt kodeeritud väärtused)
• EducationLevel – haridustase (numbriliselt kodeeritud)

🧬 Eluviis ja tervis

• BMI – kehamassiindeks
• Smoking – suitsetaja (1) / mittesuitsetaja (0)
• AlcoholConsumption – alkoholi tarbimine
• PhysicalActivity – füüsilise aktiivsuse tase
• DietQuality – dieedi kvaliteet
• SleepQuality – une kvaliteet

🏥 Meditsiiniline ajalugu

• FamilyHistoryAlzheimers – Alzheimeri perekondlik ajalugu
• CardiovascularDisease – südame-veresoonkonna haigused
• Diabetes – diabeet
• Depression – depressioon
• HeadInjury – peatraumad
• Hypertension – hüpertensioon
• SystolicBP, DiastolicBP – vererõhk
• CholesterolTotal, CholesterolLDL, CholesterolHDL, CholesterolTriglycerides

🧠 Kognitiivsed ja funktsionaalsed hinnangud

• MMSE – Mini-Mental State Examination skoor
• FunctionalAssessment – funktsionaalne hinnang
• ADL – igapäevased tegevused

⚠️ Kognitiivsed ja käitumuslikud sümptomid

• MemoryComplaints
• BehavioralProblems
• Confusion
• Disorientation
• PersonalityChanges
• DifficultyCompletingTasks
• Forgetfulness

🎯 Sihtmärk

• Diagnosis – ainult train.csv-s
  • 1 = Alzheimeri diagnoos
  • 0 = Alzheimerita

Lõppeesmärk: ennusta Diagnosis ridade jaoks test.csv-s.

📝 Ülesanded

Esimesed kaks alamülesannet kontrollivad andmete uurivat analüüsi.
Viimane alamülesanne hindab klassifikatsioonimudeli jõudlust.

Alamülesanne 1 (10 punkti)

Arvuta iga test.csv patsiendi jaoks, mitu patsienti on treeningkomplektis (train.csv), kellel on sama vanus kui testkomplekti patsiendil.

Kuva esitamisfailis naturaalarv (vastavalt allpool esitatud formaadile).

Alamülesanne 2 (15 punkti)

Iga test.csv patsiendi jaoks määra suitsetavate patsientide protsent
(Smoking = 1) treeningkomplektist (train.csv) kellel on sama vanus
kui vastaval patsiendil.

Arvutusvalem patsiendi jaoks vanusega v:

1(suitsetavate patsientide arv train-is Age = v-ga) /2(patsientide koguarv train-is Age = v-ga) * 100

Kuva esitamisfailis reaalarv 0 ja 100 vahel,
kuni 2 kümnendkohaga, iga patsiendi jaoks.

Kui treeningkomplektis ei ole ühtegi patsienti vastava vanusega,
on kuvatud väärtus 0.

Alamülesanne 3 (75 punkti)

Ehita klassifikatsioonimudel, mis ennustab Alzheimeri diagnoosi tõenäosust
(p ∈ [0,1]) iga test.csv patsiendi jaoks.

Hindamine toimub kasutades ROC kõverat ja AUC (Area Under the ROC Curve).

🧮 Hindamine

• AUC ≥ 0.90 → 75 punkti
• AUC ≤ 0.70 → 0 punkti
• Nende vaheline intervall: proportsionaalne punktisumma

Alamülesanded 1–2 hinnatakse täpselt (võrdlemise teel).

📄 Esitamisfaili formaat

Fail submission.csv peab sisaldama 3 rida iga testi patsiendi jaoks,
mis vastavad 3 alamülesandele.

Struktuur:

1subtaskID, datapointID, answer

kus:

• subtaskID – 1, 2 või 3
• datapointID – PatientID väärtus
• answer – sõltub alamülesandest:
  • Alamülesanne 1: sama vanusega patsientide arv treeningkomplektis (naturaalarv)
  • Alamülesanne 2: sama vanusega suitsetajate protsent (reaalarv)
  • Alamülesanne 3: Alzheimeri tõenäosus (reaalarv 0 ja 1 vahel)

Näide PatientID = 4751 jaoks:

1subtaskID,datapointID,answer21,4751,2332,4751,31.843,4751,0.873

📊 Hindamismeetrika: ROC AUC 📈

Alamülesande 3 jaoks toimub hindamine kasutades ROC AUC (Area Under the ROC Curve),
mis on standardne meetrika binaarse klassifikatsiooni probleemide jaoks.

Skoori tõlgendamine:

• ROC AUC = 1.0 🏆 → täiuslik mudel
• ROC AUC = 0.5 🎲 → juhuslik klassifikatsioon
• ROC AUC > 0.5 📈 → mida kõrgem skoor, seda paremini mudel klasse eristab