Alcheimera diagnozes prognozēšanas sistēma

🧠 Alcheimera diagnozes prognozēšanas sistēma 🩺

Medicīnas institūts vēlas izstrādāt automatizētu sistēmu, kas palīdzētu
identificēt pacientus ar Alcheimera risku, izmantojot klīniskos,
demogrāfiskos un uzvedības datus.

Tu esi saņēmis datu kopu ar klīniski novērtētiem pacientiem, un mērķis ir izveidot
binārās klasifikācijas modeli, kas spētu prognozēt diagnozi jauniem pacientiem.

Tev ir nodoti šādi faili:

• train.csv – vēsturiskie dati par pacientiem, kas satur diagnozi
• test.csv – dati par jauniem pacientiem, bez diagnozes

Galvenais mērķis: varbūtības prognozēšana, ka pacientam tiks diagnosticēts Alcheimers
(vērtība starp 0 un 1, kur 0 = vesels pacients, 1 = pacients ar Alcheimeru).

📊 Datu kopa

Katra rinda attēlo pacienti un satur šādus atribūtus:

🔑 Identifikācija

• PatientID – unikāls pacienta identifikators

👤 Demogrāfiskie dati

• Age – pacienta vecums
• Gender – dzimums (0 = sievišķais, 1 = vīrišķais)
• Ethnicity – pacienta etniskā piederība (skaitliski kodētas vērtības)
• EducationLevel – izglītības līmenis (skaitliski kodēts)

🧬 Dzīvesveids un veselība

• BMI – ķermeņa masas indekss
• Smoking – smēķētājs (1) / nesmēķētājs (0)
• AlcoholConsumption – alkohola patēriņš
• PhysicalActivity – fiziskās aktivitātes līmenis
• DietQuality – diētas kvalitāte
• SleepQuality – miega kvalitāte

🏥 Medicīniskā anamnēze

• FamilyHistoryAlzheimers – Alcheimera ģimenes anamnēze
• CardiovascularDisease – kardiovaskulārās slimības
• Diabetes – diabēts
• Depression – depresija
• HeadInjury – galvas traumas
• Hypertension – hipertensija
• SystolicBP, DiastolicBP – asinsspiediens
• CholesterolTotal, CholesterolLDL, CholesterolHDL, CholesterolTriglycerides

🧠 Kognitīvie un funkcionālie novērtējumi

• MMSE – Mini-Mental State Examination rezultāts
• FunctionalAssessment – funkcionālais novērtējums
• ADL – ikdienas aktivitātes

⚠️ Kognitīvie un uzvedības simptomi

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

🎯 Mērķa etiķete

• Diagnosis – tikai train.csv
  • 1 = Alcheimera diagnoze
  • 0 = bez Alcheimera

Galīgais mērķis: prognozēt Diagnosis rindām no test.csv.

📝 Uzdevumi

Pirmie divi apakšuzdevumi pārbauda izpētes datu analīzi.
Pēdējais apakšuzdevums novērtē klasifikācijas modeļa veiktspēju.

Apakšuzdevums 1 (10 punkti)

Aprēķini katram pacientam no test.csv, cik pacienti ir apmācības kopā (train.csv), kuriem ir tāds pats vecums kā testa kopas pacientam.

Parādi iesniegšanas failā naturālu skaitli (saskaņā ar zemāk norādīto formātu).

Apakšuzdevums 2 (15 punkti)

Katram pacientam no test.csv nosaki smēķētāju pacientu procentu
(Smoking = 1) no apmācības kopas (train.csv) kuriem ir tāds pats vecums
kā attiecīgajam pacientam.

Aprēķina formula pacientam ar vecumu v:

1(smēķētāju pacienti no train ar Age = v) /2(kopējais pacienti no train ar Age = v) * 100

Parādi iesniegšanas failā reālu skaitli starp 0 un 100,
ar maksimāli 2 decimālzīmēm katram pacientam.

Ja apmācības kopā nav neviena pacienta ar attiecīgo vecumu,
parādītā vērtība būs 0.

Apakšuzdevums 3 (75 punkti)

Izveido klasifikācijas modeli, kas prognozē Alcheimera diagnozes varbūtību
(p ∈ [0,1]) katram pacientam no test.csv.

Novērtēšana tiek veikta, izmantojot ROC Curve un AUC (Area Under the ROC Curve).

🧮 Novērtēšana

• AUC ≥ 0.90 → 75 punkti
• AUC ≤ 0.70 → 0 punkti
• Intervāls starp tiem: proporcionāls punktu skaits

Apakšuzdevumi 1–2 tiek novērtēti precīzi (salīdzinot).

📄 Iesniegšanas faila formāts

Failam submission.csv jāsatur 3 rindas katram pacientam no testa,
kas atbilst 3 apakšuzdevumiem.

Struktūra:

1subtaskID, datapointID, answer

kur:

• subtaskID – 1, 2 vai 3
• datapointID – PatientID vērtība
• answer – atkarīgs no apakšuzdevuma:
  • Apakšuzdevums 1: pacienti ar tādu pašu vecumu no apmācības kopas (naturāls skaitlis)
  • Apakšuzdevums 2: smēķētāju procents, kuriem ir tāds pats vecums kā pacientam (reāls skaitlis)
  • Apakšuzdevums 3: Alcheimera varbūtība (reāls skaitlis starp 0 un 1)

Piemērs PatientID = 4751:

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

📊 Novērtēšanas metrika: ROC AUC 📈

Apakšuzdevumam 3 novērtēšana tiek veikta, izmantojot ROC AUC (Area Under the ROC Curve),
standarta metriku binārās klasifikācijas problēmām.

Rezultāta interpretācija:

• ROC AUC = 1.0 🏆 → perfekts modelis
• ROC AUC = 0.5 🎲 → nejaušā klasifikācija
• ROC AUC > 0.5 📈 → jo augstāks rezultāts, jo labāk modelis atdala klases