מערכת חיזוי אבחון אלצהיימר

🧠 מערכת חיזוי אבחון אלצהיימר 🩺

מכון רפואי מעוניין לפתח מערכת אוטומטית שתסייע בזיהוי חולים בסיכון לאלצהיימר, תוך שימוש בנתונים קליניים, דמוגרפיים והתנהגותיים.

קיבלת מערך נתונים עם חולים שהוערכו קלינית, והמטרה היא לבנות מודל סיווג בינארי שיוכל לחזות את האבחנה עבור חולים חדשים.

הועמדו לרשותך הקבצים הבאים:

• train.csv – נתונים היסטוריים על חולים, המכילים את האבחנה
• test.csv – נתונים על חולים חדשים, ללא אבחנה

המטרה העיקרית: חיזוי ההסתברות שחולה יאובחן עם אלצהיימר
(ערך בין 0 ל-1, כאשר 0 = חולה בריא, 1 = חולה עם אלצהיימר).

📊 מערך הנתונים

כל שורה מייצגת חולה ומכילה את התכונות הבאות:

🔑 זיהוי

• PatientID – מזהה ייחודי של החולה

👤 נתונים דמוגרפיים

• Age – גיל החולה
• Gender – מין (0 = נקבה, 1 = זכר)
• Ethnicity – מוצא החולה (ערכים מקודדים מספרית)
• EducationLevel – רמת השכלה (מקודד מספרית)

🧬 אורח חיים ובריאות

• BMI – מדד מסת הגוף
• Smoking – מעשן (1) / לא מעשן (0)
• AlcoholConsumption – צריכת אלכוהול
• PhysicalActivity – רמת פעילות גופנית
• DietQuality – איכות התזונה
• SleepQuality – איכות השינה

🏥 היסטוריה רפואית

• FamilyHistoryAlzheimers – היסטוריה משפחתית של אלצהיימר
• CardiovascularDisease – מחלות לב וכלי דם
• Diabetes – סוכרת
• Depression – דיכאון
• HeadInjury – פגיעות ראש
• Hypertension – יתר לחץ דם
• SystolicBP, DiastolicBP – לחץ דם
• CholesterolTotal, CholesterolLDL, CholesterolHDL, CholesterolTriglycerides

🧠 הערכות קוגניטיביות ותפקודיות

• MMSE – ציון Mini-Mental State Examination
• FunctionalAssessment – הערכה תפקודית
• ADL – פעילויות יומיומיות

⚠️ תסמינים קוגניטיביים והתנהגותיים

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

🎯 התווית המטרה

• Diagnosis – רק ב-train.csv
  • 1 = אבחנת אלצהיימר
  • 0 = ללא אלצהיימר

המטרה הסופית: חזה את Diagnosis עבור השורות ב-test.csv.

📝 משימות

שתי המשימות הראשונות בודקות ניתוח חקרני של הנתונים.
המשימה האחרונה מעריכה את ביצועי מודל הסיווג.

משימה 1 (10 נקודות)

חשב עבור כל חולה ב-test.csv כמה חולים יש במערך האימון (train.csv) שיש להם אותו גיל כמו החולה במערך הבדיקה.

הצג בקובץ ההגשה מספר טבעי (בהתאם לפורמט המוצג להלן).

משימה 2 (15 נקודות)

עבור כל חולה ב-test.csv, קבע את אחוז החולים המעשנים
(Smoking = 1) ממערך האימון (train.csv) שיש להם אותו גיל
כמו החולה הרלוונטי.

נוסחת החישוב עבור חולה עם גיל v:

1(מספר חולים מעשנים ב-train עם Age = v) /2(מספר כולל החולים ב-train עם Age = v) * 100

הצג בקובץ ההגשה מספר ממשי בין 0 ל-100,
עם מקסימום 2 ספרות אחרי הנקודה, עבור כל חולה.

אם במערך האימון לא קיים אף חולה עם הגיל הרלוונטי,
הערך המוצג יהיה 0.

משימה 3 (75 נקודות)

בנה מודל סיווג שחוזה את ההסתברות לאבחנת אלצהיימר
(p ∈ [0,1]) עבור כל חולה ב-test.csv.

ההערכה נעשית באמצעות ROC Curve ו-AUC (Area Under the ROC Curve).

🧮 הערכה

• AUC ≥ 0.90 → 75 נקודות
• AUC ≤ 0.70 → 0 נקודות
• הטווח ביניהם: ציון יחסי

משימות 1-2 מוערכות בדיוק (באמצעות השוואה).

📄 פורמט קובץ ההגשה

הקובץ submission.csv חייב להכיל 3 שורות עבור כל חולה ב-test,
המתאימות ל-3 המשימות.

מבנה:

1subtaskID, datapointID, answer

כאשר:

• subtaskID – 1, 2 או 3
• datapointID – הערך PatientID
• answer – תלוי במשימה:
  • משימה 1: מספר החולים עם אותו גיל במערך האימון (מספר טבעי)
  • משימה 2: אחוז המעשנים שיש להם אותו גיל כמו החולה (מספר ממשי)
  • משימה 3: ההסתברות לאלצהיימר (מספר ממשי בין 0 ל-1)

דוגמה עבור PatientID = 4751:

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

📊 מטריקת הערכה: ROC AUC 📈

עבור משימה 3, ההערכה נעשית באמצעות ROC AUC (Area Under the ROC Curve),
מטריקה סטנדרטית לבעיות סיווג בינארי.

פרשנות הציון:

• ROC AUC = 1.0 🏆 → מודל מושלם
• ROC AUC = 0.5 🎲 → סיווג אקראי
• ROC AUC > 0.5 📈 → ככל שהציון גבוה יותר, כך המודל מפריד טוב יותר בין הקבוצות