Sistem za predviđanje dijagnoze Alchajmerove bolesti

🧠 Sistem za predviđanje dijagnoze Alchajmerove bolesti 🩺

Medicinski institut želi da razvije automatizovani sistem koji će pomoći u
identifikaciji pacijenata sa rizikom od Alchajmerove bolesti, koristeći kliničke,
demografske i bihevioralne podatke.

Dobio si skup podataka sa klinički evaluiranim pacijentima, a cilj je da konstruišeš
model binarne klasifikacije koji može da predvidi dijagnozu za nove pacijente.

Stavljeni su ti na raspolaganje sledeći fajlovi:

• train.csv – istorijski podaci o pacijentima, koji sadrže dijagnozu
• test.csv – podaci o novim pacijentima, bez dijagnoze

Glavni cilj: predviđanje verovatnoće da će pacijent biti dijagnostikovan sa Alchajmerovom bolešću
(vrednost između 0 i 1, gde je 0 = zdrav pacijent, 1 = pacijent sa Alchajmerovom bolešću).

📊 Skup podataka

Svaki red predstavlja pacijenta i sadrži sledeće atribute:

🔑 Identifikacija

• PatientID – jedinstveni identifikator pacijenta

👤 Demografski podaci

• Age – godine pacijenta
• Gender – pol (0 = ženski, 1 = muški)
• Ethnicity – etnicitet pacijenta (numerički kodirane vrednosti)
• EducationLevel – nivo obrazovanja (numerički kodiran)

🧬 Životni stil i zdravlje

• BMI – indeks telesne mase
• Smoking – pušač (1) / nepušač (0)
• AlcoholConsumption – konzumiranje alkohola
• PhysicalActivity – nivo fizičke aktivnosti
• DietQuality – kvalitet ishrane
• SleepQuality – kvalitet sna

🏥 Medicinska istorija

• FamilyHistoryAlzheimers – porodična istorija Alchajmerove bolesti
• CardiovascularDisease – kardiovaskularne bolesti
• Diabetes – dijabetes
• Depression – depresija
• HeadInjury – povrede glave
• Hypertension – hipertenzija
• SystolicBP, DiastolicBP – krvni pritisak
• CholesterolTotal, CholesterolLDL, CholesterolHDL, CholesterolTriglycerides

🧠 Kognitivne i funkcionalne procene

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

⚠️ Kognitivni i bihevioralni simptomi

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

🎯 Ciljna etiketa

• Diagnosis – samo u train.csv
  • 1 = dijagnoza Alchajmerove bolesti
  • 0 = bez Alchajmerove bolesti

Finalni cilj: predvidi Diagnosis za redove iz test.csv.

📝 Zadaci

Prva dva podzadatka proveravaju eksplorativnu analizu podataka.
Poslednji podzadatak evaluira performanse modela klasifikacije.

Podzadatak 1 (10 poena)

Izračunaj za svakog pacijenta iz test.csv koliko pacijenata je u skupu za obuku (train.csv) koji imaju iste godine kao pacijent iz test skupa.

Prikaži u fajlu za predaju prirodan broj (prema formatu prikazanom niže).

Podzadatak 2 (15 poena)

Za svakog pacijenta iz test.csv, odredi procenat pušača
(Smoking = 1) iz skupa za obuku (train.csv) koji imaju iste godine
kao taj pacijent.

Formula za izračunavanje za pacijenta sa godinama v:

1(broj pušača iz train sa Age = v) /2(ukupan broj pacijenata iz train sa Age = v) * 100

Prikaži u fajlu za predaju realan broj između 0 i 100,
sa maksimalno 2 decimale, za svakog pacijenta.

Ako u skupu za obuku ne postoji nijedan pacijent sa tim godinama,
prikazana vrednost će biti 0.

Podzadatak 3 (75 poena)

Konstruiši model klasifikacije koji predviđa verovatnoću dijagnoze Alchajmerove bolesti
(p ∈ [0,1]) za svakog pacijenta iz test.csv.

Evaluacija se vrši koristeći ROC Curve i AUC (Area Under the ROC Curve).

🧮 Evaluacija

• AUC ≥ 0.90 → 75 poena
• AUC ≤ 0.70 → 0 poena
• Interval između njih: proporcionalni bodovi

Podzadaci 1–2 se evaluiraju tačno (poređenjem).

📄 Format fajla za predaju

Fajl submission.csv treba da sadrži 3 linije za svakog pacijenta iz test,
koje odgovaraju 3 podzadatka.

Struktura:

1subtaskID, datapointID, answer

gde je:

• subtaskID – 1, 2 ili 3
• datapointID – vrednost PatientID
• answer – zavisi od podzadatka:
  • Podzadatak 1: broj pacijenata sa istim godinama iz skupa za obuku (prirodan broj)
  • Podzadatak 2: procenat pušača koji imaju iste godine kao pacijent (realan broj)
  • Podzadatak 3: verovatnoća Alchajmerove bolesti (realan broj između 0 i 1)

Primer za PatientID = 4751:

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

📊 Metrika evaluacije: ROC AUC 📈

Za Podzadatak 3, evaluacija se vrši koristeći ROC AUC (Area Under the ROC Curve),
standardnu metriku za probleme binarne klasifikacije.

Interpretacija skora:

• ROC AUC = 1.0 🏆 → savršen model
• ROC AUC = 0.5 🎲 → nasumična klasifikacija
• ROC AUC > 0.5 📈 → što je skor veći, to model bolje razdvaja klase