Predviđanje statusa pacijenta - Simulacija OJIA 2

🏥 Problem: Analiza i predviđanje stanja pacijenta

Za ovaj problem trebate implementirati model strojnog učenja za predviđanje vrijednosti polja Status koristeći dostupan skup podataka koji sadrži informacije o pacijentima. Skup podataka je organiziran u CSV datoteku koja uključuje različite značajke (features), a evaluacija modela će se provoditi na temelju preciznosti za klasu Dead.

📊 Skup podataka

Skup podataka sadrži sljedeća polja:

• Age: Dob pacijenta.
• Race: Rasa pacijenta (npr: White, Other).
• Marital Status: Bračno stanje pacijenta.
• T Stage: Stadij tumora (T1, T2, T3, T4).
• N Stage: Stupanj zahvaćenosti limfnih čvorova.
• 6th Stage: Stadij raka prema TNM klasifikaciji 6. izdanja.
• differentiate: Stupanj diferencijacije tumora.
• Grade: Histološki stupanj tumora (1, 2, 3 itd.).
• A Stage: Klasifikacija stadija bolesti.
• Tumor Size: Veličina tumora.
• BMI: Indeks tjelesne mase.
• Heart Rate: Srčani ritam.
• Serum Creatinine: Serumska razina kreatinina.
• Uric Acid: Razina mokraćne kiseline.
• Hemoglobin: Koncentracija hemoglobina.
• GFR (Glomerular Filtration Rate): Stopa glomerularne filtracije.
• Serum Sodium: Koncentracija serumskog natrija.
• Serum Potassium: Koncentracija serumskog kalija.
• Serum Albumin: Razina serumskog albumina.
• Lactate: Koncentracija laktata.
• Status: Stanje pacijenta („Dead" ili „Alive") – ciljna varijabla.

📝 Zadaci

Za prve podzadatke trebate učitati skup podataka i provesti statističke analize na train.csv.

Podzadatak 1 (10 bodova)

Klasificirajte bubrežnu funkciju za svakog pacijenta na temelju vrijednosti GFR:

• Normal ako je GFR >= 90
• Mildly Decreased ako je 60 <= GFR < 90

Podzadatak 2 (10 bodova)

Izračunajte kvartile vrijednosti iz stupca Serum Creatinine (Q1, Q2, Q3) i klasificirajte pacijente u testu:

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

Podzadatak 3 (10 bodova)

Određivanje vrijednosti BMI:

• 1 ako je BMI > medijan iz train
• 0 ako je BMI <= medijan

Podzadatak 4 (10 bodova)

Broj pacijenata iz train koji se nalaze u istom T Stage kao pacijent iz testa.

Podzadatak 5 (60 bodova)

Izgradite ML model za predviđanje Status (Dead ili Alive) na temelju značajki. Evaluacija se provodi na temelju preciznosti za klasu Dead.

🧮 Evaluacija

Metrika evaluacije je preciznost za klasu Dead:

gdje:

• TP = broj pacijenata ispravno predviđenih kao Dead
• FP = broj pacijenata neispravno predviđenih kao Dead

Format datoteke za predaju

Datoteka za predaju mora biti u CSV formatu (Comma-Separated Values), sa sljedećim stupcima:

• subtaskID - indeks zadatka za koji dajemo odgovor
• datapointID - jedinstveni identifikator pacijenta iz skupa podataka
• answer - odgovor povezan s pacijentom iz skupa podataka za navedeni zadatak

Primjer:

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

📌 Napomene

• Ciljna varijabla je Status.
• Neka polja mogu sadržavati nedostajuće vrijednosti (NaN) i trebaju se obraditi.
• Preporuča se analiza korelacije između varijabli i ciljne varijable.
• Otkrijte i uklonite ekstremne vrijednosti ako utječu na performanse modela.
• Slanje sample_output za lokalno testiranje donosi 5 bodova.

🗂️ Korisni resursi

• Kompletni Starter Kit – sadrži kostur od kojeg možete početi rješavanje problema