Sistem za napovedovanje diagnoze Alzheimerjeve bolezni

🧠 Sistem za napovedovanje diagnoze Alzheimerjeve bolezni 🩺

Medicinski inštitut želi razviti avtomatiziran sistem, ki bo pomagal pri
identifikaciji pacientov z tveganjem za Alzheimerjevo bolezen, z uporabo kliničnih,
demografskih in vedenjskih podatkov.

Prejeli ste nabor podatkov s klinično ocenjenimi pacienti, cilj pa je zgraditi
model binarne klasifikacije, ki bo lahko napovedal diagnozo za nove paciente.

Na voljo imate naslednje datoteke:

• train.csv – zgodovinski podatki o pacientih, ki vsebujejo diagnozo
• test.csv – podatki o novih pacientih, brez diagnoze

Glavni cilj: napoved verjetnosti, da bo pacient diagnosticiran z Alzheimerjevo boleznijo
(vrednost med 0 in 1, kjer 0 = zdrav pacient, 1 = pacient z Alzheimerjevo boleznijo).

📊 Nabor podatkov

Vsaka vrstica predstavlja pacienta in vsebuje naslednje atribute:

🔑 Identifikacija

• PatientID – edinstveni identifikator pacienta

👤 Demografski podatki

• Age – starost pacienta
• Gender – spol (0 = ženski, 1 = moški)
• Ethnicity – etničnost pacienta (numerično kodirane vrednosti)
• EducationLevel – izobrazbena raven (numerično kodirana)

🧬 Življenjski slog in zdravje

• BMI – indeks telesne mase
• Smoking – kadilec (1) / nekadilec (0)
• AlcoholConsumption – uživanje alkohola
• PhysicalActivity – raven fizične aktivnosti
• DietQuality – kakovost prehrane
• SleepQuality – kakovost spanja

🏥 Medicinska anamneza

• FamilyHistoryAlzheimers – družinska anamneza Alzheimerjeve bolezni
• CardiovascularDisease – kardiovaskularne bolezni
• Diabetes – sladkorna bolezen
• Depression – depresija
• HeadInjury – poškodbe glave
• Hypertension – hipertenzija
• SystolicBP, DiastolicBP – krvni tlak
• CholesterolTotal, CholesterolLDL, CholesterolHDL, CholesterolTriglycerides

🧠 Kognitivne in funkcionalne ocene

• MMSE – ocena Mini-Mental State Examination
• FunctionalAssessment – funkcionalna ocena
• ADL – dnevne aktivnosti

⚠️ Kognitivni in vedenjski simptomi

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

🎯 Ciljna oznaka

• Diagnosis – samo v train.csv
  • 1 = diagnoza Alzheimerjeve bolezni
  • 0 = brez Alzheimerjeve bolezni

Končni cilj: napovedati Diagnosis za vrstice v test.csv.

📝 Naloge

Prvi dve podnalogi preverjata raziskovalno analizo podatkov.
Zadnja podnaloga ocenjuje uspešnost klasifikacijskega modela.

Podnaloga 1 (10 točk)

Izračunaj za vsakega pacienta iz test.csv, koliko pacientov je v učnem naboru (train.csv), ki imajo enako starost kot pacient iz testnega nabora.

V datoteki za oddajo prikaži naravno število (v skladu s spodaj predstavljenim formatom).

Podnaloga 2 (15 točk)

Za vsakega pacienta iz test.csv določi odstotek kadilskih pacientov
(Smoking = 1) iz učnega nabora (train.csv) ki imajo enako starost
kot zadevni pacient.

Formula za izračun za pacienta s starostjo v:

1(število kadilskih pacientov iz train z Age = v) /2(skupno število pacientov iz train z Age = v) * 100

V datoteki za oddajo prikaži realno število med 0 in 100,
z največ 2 decimalnima mestoma, za vsakega pacienta.

Če v učnem naboru ne obstaja noben pacient z zadevno starostjo,
bo prikazana vrednost 0.

Podnaloga 3 (75 točk)

Zgradi klasifikacijski model, ki napoveduje verjetnost diagnoze Alzheimerjeve bolezni
(p ∈ [0,1]) za vsakega pacienta iz test.csv.

Ocenjevanje se izvaja z uporabo ROC krivulje in AUC (Area Under the ROC Curve).

🧮 Ocenjevanje

• AUC ≥ 0.90 → 75 točk
• AUC ≤ 0.70 → 0 točk
• Interval med njima: sorazmerno točkovanje

Podnalogi 1–2 se ocenjujeta natančno (s primerjavo).

📄 Format datoteke za oddajo

Datoteka submission.csv mora vsebovati 3 vrstice za vsakega pacienta iz testa,
ki ustrezajo 3 podnalogram.

Struktura:

1subtaskID, datapointID, answer

kjer:

• subtaskID – 1, 2 ali 3
• datapointID – vrednost PatientID
• answer – odvisno od podnaloge:
  • Podnaloga 1: število pacientov z enako starostjo iz učnega nabora (naravno število)
  • Podnaloga 2: odstotek kadilcev, ki imajo enako starost kot pacient (realno število)
  • Podnaloga 3: verjetnost Alzheimerjeve bolezni (realno število med 0 in 1)

Primer za PatientID = 4751:

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

📊 Metrika ocenjevanja: ROC AUC 📈

Za Podnaloga 3 se ocenjevanje izvaja z uporabo ROC AUC (Area Under the ROC Curve),
standardne metrike za probleme binarne klasifikacije.

Interpretacija ocene:

• ROC AUC = 1.0 🏆 → popoln model
• ROC AUC = 0.5 🎲 → naključna klasifikacija
• ROC AUC > 0.5 📈 → višja kot je ocena, bolje model ločuje razrede