ალცჰაიმერის დიაგნოზის პროგნოზირების სისტემა

🧠 ალცჰაიმერის დიაგნოზის პროგნოზირების სისტემა 🩺

სამედიცინო ინსტიტუტს სურს შეიმუშაოს ავტომატიზებული სისტემა, რომელიც დაეხმარება
ალცჰაიმერის რისკის მქონე პაციენტების იდენტიფიცირებაში, კლინიკური,
დემოგრაფიული და ქცევითი მონაცემების გამოყენებით.

მიიღე კლინიკურად შეფასებული პაციენტების მონაცემთა ნაკრები, ხოლო მიზანია ააშენო
ბინარული კლასიფიკაციის მოდელი, რომელსაც შეეძლება ახალი პაციენტების დიაგნოზის პროგნოზირება.

შენს ხელთ არის შემდეგი ფაილები:

• train.csv – პაციენტების ისტორიული მონაცემები, რომლებიც შეიცავს დიაგნოზს
• test.csv – ახალი პაციენტების მონაცემები, დიაგნოზის გარეშე

მთავარი მიზანი: პაციენტისთვის ალცჰაიმერის დიაგნოზის ალბათობის პროგნოზირება
(მნიშვნელობა 0-სა და 1-ს შორის, სადაც 0 = ჯანმრთელი პაციენტი, 1 = ალცჰაიმერის მქონე პაციენტი).

📊 მონაცემთა ნაკრები

თითოეული რიგი წარმოადგენს პაციენტს და შეიცავს შემდეგ ატრიბუტებს:

🔑 იდენტიფიკაცია

• PatientID – პაციენტის უნიკალური იდენტიფიკატორი

👤 დემოგრაფიული მონაცემები

• Age – პაციენტის ასაკი
• Gender – სქესი (0 = ქალი, 1 = კაცი)
• Ethnicity – ეთნიკურობა (რიცხვითად კოდირებული მნიშვნელობები)
• EducationLevel – განათლების დონე (რიცხვითად კოდირებული)

🧬 ცხოვრების წესი და ჯანმრთელობა

• BMI – სხეულის მასის ინდექსი
• Smoking – მწეველი (1) / არამწეველი (0)
• AlcoholConsumption – ალკოჰოლის მოხმარება
• PhysicalActivity – ფიზიკური აქტივობის დონე
• DietQuality – დიეტის ხარისხი
• SleepQuality – ძილის ხარისხი

🏥 სამედიცინო ისტორია

• FamilyHistoryAlzheimers – ალცჰაიმერის ოჯახური ისტორია
• CardiovascularDisease – გულ-სისხლძარღვთა დაავადებები
• Diabetes – დიაბეტი
• Depression – დეპრესია
• HeadInjury – თავის ტრავმები
• Hypertension – ჰიპერტენზია
• SystolicBP, DiastolicBP – არტერიული წნევა
• CholesterolTotal, CholesterolLDL, CholesterolHDL, CholesterolTriglycerides

🧠 კოგნიტური და ფუნქციური შეფასებები

• MMSE – Mini-Mental State Examination-ის ქულა
• FunctionalAssessment – ფუნქციური შეფასება
• ADL – ყოველდღიური აქტივობები

⚠️ კოგნიტური და ქცევითი სიმპტომები

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

🎯 სამიზნე ეტიკეტი

• Diagnosis – მხოლოდ train.csv-ში
  • 1 = ალცჰაიმერის დიაგნოზი
  • 0 = ალცჰაიმერის გარეშე

საბოლოო მიზანი: test.csv-ის რიგებისთვის Diagnosis-ის პროგნოზირება.

📝 ამოცანები

პირველი ორი ქვეამოცანა ამოწმებს მონაცემების ძიებით ანალიზს.
ბოლო ქვეამოცანა აფასებს კლასიფიკაციის მოდელის შესრულებას.

ქვეამოცანა 1 (10 ქულა)

გამოთვალე test.csv-ის თითოეული პაციენტისთვის რამდენი პაციენტია ტრენინგის ნაკრებში (train.csv), რომლებსაც ტესტირების ნაკრების პაციენტის იგივე ასაკი აქვთ.

გამოიტანე წარდგენის ფაილში ნატურალური რიცხვი (ქვემოთ წარმოდგენილი ფორმატის შესაბამისად).

ქვეამოცანა 2 (15 ქულა)

test.csv-ის თითოეული პაციენტისთვის განსაზღვრე მწეველი პაციენტების პროცენტი
(Smoking = 1) ტრენინგის ნაკრებიდან (train.csv) რომლებსაც იგივე ასაკი აქვთ
შესაბამის პაციენტთან.

გამოთვლის ფორმულა ასაკის v მქონე პაციენტისთვის:

1(მწეველი პაციენტების რიცხვი train-იდან Age = v-ით) /2(train-იდან Age = v-ის მქონე პაციენტების მთლიანი რიცხვი) * 100

გამოიტანე წარდგენის ფაილში რეალური რიცხვი 0-სა და 100-ს შორის,
მაქსიმუმ 2 ათეული ადგილით, თითოეული პაციენტისთვის.

თუ ტრენინგის ნაკრებში არ არსებობს შესაბამისი ასაკის პაციენტი,
გამოტანილი მნიშვნელობა იქნება 0.

ქვეამოცანა 3 (75 ქულა)

ააშენე კლასიფიკაციის მოდელი, რომელიც პროგნოზირებს ალცჰაიმერის დიაგნოზის ალბათობას
(p ∈ [0,1]) test.csv-ის თითოეული პაციენტისთვის.

შეფასება ხდება ROC Curve-ისა და AUC (Area Under the ROC Curve)-ის გამოყენებით.

🧮 შეფასება

• AUC ≥ 0.90 → 75 ქულა
• AUC ≤ 0.70 → 0 ქულა
• მათ შორის ინტერვალი: პროპორციული ქულები

ქვეამოცანები 1–2 ფასდება ზუსტად (შედარებით).

📄 წარდგენის ფაილის ფორმატი

ფაილი submission.csv უნდა შეიცავდეს 3 ხაზს ტესტის თითოეული პაციენტისთვის,
რომლებიც შეესაბამება 3 ქვეამოცანას.

სტრუქტურა:

1subtaskID, datapointID, answer

სადაც:

• subtaskID – 1, 2 ან 3
• datapointID – PatientID-ის მნიშვნელობა
• answer – დამოკიდებულია ქვეამოცანაზე:
  • ქვეამოცანა 1: ტრენინგის ნაკრებიდან იგივე ასაკის მქონე პაციენტების რიცხვი (ნატურალური რიცხვი)
  • ქვეამოცანა 2: პაციენტის იგივე ასაკის მქონე მწეველების პროცენტი (რეალური რიცხვი)
  • ქვეამოცანა 3: ალცჰაიმერის ალბათობა (რეალური რიცხვი 0-სა და 1-ს შორის)

მაგალითი PatientID = 4751-ისთვის:

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

📊 შეფასების მეტრიკა: ROC AUC 📈

ქვეამოცანა 3-ისთვის შეფასება ხდება ROC AUC (Area Under the ROC Curve)-ის გამოყენებით,
რომელიც ბინარული კლასიფიკაციის პრობლემების სტანდარტული მეტრიკაა.

ქულის ინტერპრეტაცია:

• ROC AUC = 1.0 🏆 → სრულყოფილი მოდელი
• ROC AUC = 0.5 🎲 → შემთხვევითი კლასიფიკაცია
• ROC AUC > 0.5 📈 → რაც უფრო მაღალია ქულა, მით უკეთ ყოფს მოდელი კლასებს