חיזוי מצב המטופל - סימולציה OJIA 2 (v1)

🏥 בעיה: ניתוח וחיזוי מצב המטופל

עבור בעיה זו עליכם לממש מודל למידת מכונה כדי לחזות את הערך של השדה Status באמצעות מערך נתונים זמין, המכיל מידע על מטופלים. מערך הנתונים מאורגן בקובץ CSV הכולל תכונות (features) שונות, והערכת המודל תתבצע על בסיס הדיוק עבור הקטגוריה Dead.

📊 מערך הנתונים

מערך הנתונים מכיל את השדות הבאים:

• Age: גיל המטופל.
• Race: גזע המטופל (לדוגמה: White, Other).
• Marital Status: מצב משפחתי של המטופל.
• T Stage: שלב הגידול (T1, T2, T3, T4).
• N Stage: דרגת הפגיעה בבלוטות הלימפה.
• 6th Stage: שלב הסרטן לפי סיווג TNM של המהדורה השישית.
• differentiate: דרגת הבידול הגידולי.
• Grade: הדרגה ההיסטולוגית של הגידול (1, 2, 3 וכו').
• A Stage: סיווג שלב המחלה.
• Tumor Size: גודל הגידול.
• BMI: מדד מסת הגוף.
• Heart Rate: קצב הלב.
• Serum Creatinine: רמת קריאטינין בסרום.
• Uric Acid: רמת חומצת השתן.
• Hemoglobin: ריכוז ההמוגלובין.
• GFR (Glomerular Filtration Rate): קצב הסינון הגלומרולרי.
• Serum Sodium: ריכוז נתרן בסרום.
• Serum Potassium: ריכוז אשלגן בסרום.
• Serum Albumin: רמת אלבומין בסרום.
• Lactate: ריכוז הלקטט.
• Status: מצב המטופל („Dead" או „Alive") – השדה היעד.

📝 משימות

עבור המשימות הראשונות, תצטרכו לטעון את מערך הנתונים ולבצע ניתוחים סטטיסטיים על test.csv.

משימה 1 (10 נקודות)

סווגו את התפקוד הכלייתי עבור כל מטופל ממערך הבדיקה על בסיס הערך GFR:

• Normal אם GFR >= 90
• Mildly Decreased אם 60 <= GFR < 90

משימה 2 (10 נקודות)

חשבו את הרבעונים של הערכים בעמודה Serum Creatinine (Q1, Q2, Q3) עבור מערך נתוני האימון וסווגו את המטופלים ממערך נתוני הבדיקה לפי הקטגוריות הבאות:

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

משימה 3 (10 נקודות)

קביעת ערך BMI כך:

1. מחשבים את הערך עבור החציון של עמודה זו עבור הנתונים ממערך האימון.
2. עבור המטופלים ממערך הבדיקה, נחשיב שיש לנו:

• 1 אם BMI > החציון מ-train
• 0 אם BMI <= החציון

משימה 4 (10 נקודות)

מספר המטופלים מ-train הנמצאים באותו T Stage כמו המטופל מ-test.

משימה 5 (60 נקודות)

בנו מודל ML לחיזוי Status (Dead או Alive) בהתאם לתכונות. ההערכה מתבצעת על בסיס הדיוק עבור הקטגוריה Dead.

🧮 הערכה

מדד ההערכה הוא הדיוק עבור הקטגוריה Dead:

הציון ניתן בהתאם לערך precision (weighted) שהושג על ידי המודל:

כאשר:

• TP = מספר המטופלים שחוזו נכון כ-Dead
• FP = מספר המטופלים שחוזו כ-Dead בטעות

📌 הערות

• השדה היעד הוא Status.
• חלק מהשדות עלולים להכיל ערכים חסרים (NaN) ויש לטפל בהם.
• מומלץ לנתח את הקורלציה בין המשתנים למשתנה היעד.
• זהו והסירו ערכים קיצוניים אם הם משפיעים על ביצועי המודל.
• שליחת sample_output לבדיקה מקומית מעניקה 5 נקודות.

📄 פורמט קובץ ההגשה

הקובץ submission.csv צריך להכיל את התוצאות של כל 5 המשימות עבור כל שורה ממערך הבדיקה.
כל שורה מ-test מייצרת 5 שורות בקובץ, אחת עבור כל משימה.

מבנה הקובץ:

1subtaskID, datapointID, answer

משמעות העמודות:

• subtaskID - מספר המשימה (1–5).
• datapointID - מזהה המטופל מ-test (אם לקובץ test אין מזהה, משתמשים באינדקס השורה).
• answer - התוצאה הנדרשת למשימה:
  • משימה 1: Normal / Mildly Decreased / Decreased
  • משימה 2: Very Low / Low / High / Very High
  • משימה 3: 0 או 1
  • משימה 4: מספר שלם (count)
  • משימה 5: 1 אם המודל חוזה Dead, 0 אם חוזה Alive

דוגמה עבור מטופל אחד עם מזהה 3220:

1subtaskID    datapointID    answer21            3220           Normal32            3220           Low43            3220           054            3220           565            3220           1

🗂️ משאבים שימושיים

• Starter Kit מלא – מכיל שלד שממנו תוכלו להתחיל לפתור את הבעיה