National and Kapodistrian University of Athens
Biological Data Mining and its Applications in Healthcare
Abstract
dc:descriptionΗ εξόρυξη δεδομένων (data mining) αφορά την χρήση πληροφοριακού συστήματος βασισμένου σε υπολογιστή ( Computer-Based Information System, CBIS) με νέες τεχνικές, για εξαγωγή γνώσεων από δεδομένα (Vlahos et al., 2004). Συνδυάζει στατιστική, μηχανική μάθηση και τεχνητή νοημοσύνη για να φέρει σε πέρας αναλύσεις των δεδομένων. Όμως τα βιολογικά / κλινικά δεδομένα που είναι συνήθως άμεσα διαθέσιμα δεν πληρούν τις προϋπο θέσεις για καλές αναλύσεις. Στην εργασία αυτή πραγματοποιήθηκε εξόρυξη δεδομένων (data mining) σε Βιολογικό Σύνολο Δεδομένων για ασθενείς με Ηπατοκυτταρικό καρκίνωμα (HCC Hepatocellular Carcinoma), που ήταν διαθέσιμο στο ψηφιακό αποθετήριο δεδομένων UCI. Η συλλογή του συνόλου δεδομένων, είχε γίνει με βάση τις οδηγίες κλινικής πράξης του Ευρωπαϊκού Συνδέσμου για την μελέτη του Ήπατος – Ευρωπαϊκό Οργανισμό για Έρευνα και Θεραπεία του Καρκίνου (European Association for the Study of the Liver - European Organisation for Research and Treatment of Cancer, EASL-EORTC). Το συγκεκριμένο σύνολο δεδομένων επιλέγχθηκε λόγω του ότι ήταν δωρεάν, άμεσα διαθέσιμο και συνδυάζει, αρκετές κακές ποιότητες που συναντώνται σε σύνολα βιολογικών / κλινικών δεδομένων (μη ισορροπημένη εκπροσώπηση όλων των τύπων ασθενώ ν που εξετάζονται και ελλειπούσες τιμές). Είναι ένα καλό παράδειγμα ρεαλιστικού συνόλου, πάνω στο οποίο αξιολογήθηκε η αποτελεσματικότητα διαφόρων μεθόδων εξόρυξης δεδομένων, ώστε τα ευρήματα να έχουν γενικότερο αντίκτυπο και πάνω σε αντίστοιχης, κακής ποιότητας δεδομένων, αναλύσεις (και για άλλες ασθένειες). Επιπλέον της εξόρυξης δεδομένων έγινε προετοιμασία του συνόλου δεδομένων (data preparation), γνωστή και ως προεπεξεργασία ή καθαρισμός (preprocessing / cleaning), κάτι που υπάγεται στο υπερσύνολο της Εξόρυξης Δεδομένων, την διαδικασία Ανακάλυψης Γνώσεων από Βάσεις Δεδομένων (KDD-Knowledge discovery from databases). Στο στάδιο αυτό, δοκιμάστηκε και μία νέα μέθοδος συμπλήρωσης κενών τιμών. Αναζητήθηκαν οι στρατηγικές προεπεξεργασίας των δεδομένων και μέθο δοι ταξινόμησης που κατηγοριοποιούν καλύτερα τους ασθενείς με βάση την μεταβλητή-στόχο (για την οποία έχουμε πρότερη γνώση), την επιβίωση στο 1 έτος. Οι ανωτέρω πορείες αξιολογήθηκαν με χρήση περισσότερων και ποικιλέστερων μετρικών αξιολόγησης της ταξινόμησης από ό,τι συμβαίνει συνήθως στην βιβλιογραφία, ώστε να έχουμε πληρέστερη και σφαιρικότερη αξιολόγηση. Μετά την επεξεργασία των αποτελεσμάτων διερευνήθηκαν τα ε ίδη εφαρμογών που προέκυψαν και αφορούν την Υγειονομική Περίθαλψη, τα εξής: • κατηγοριοποίηση των ασθενών με Ηπατοκυτταρικό καρκίνωμα (HCC) στην καθημερινή κλινική πράξη (για επιβίωση στο 1 έτος ), με βάση τα κλινικά ή βιολογικά χαρακτηριστικά που εξετάζονται από το σύνολο δεδομένων που αναλύσαμε, και συνακόλουθη • διευκόλυνση λήψης κλινικών αποφάσεων / ρίσκων εξαρτώμενων από τον κίνδυνο που έχουν οι ασθενείς από την ασθένεια (μη υπερθεραπεία με επικίδυνες αγωγές σε ασθενείς χαμηλού κινδύνου κατάληξης στο 1 έτος, μη υποθεραπεία σε ασθενείς υψηλού κινδύνου ) • τα διαγράμματα αξιολόγησης των τακτικών που ακολουθήθηκαν, είναι διαθέσιμα ώστε επιστήμονες της υγείας να μπορούν να διαλέξουν την τακτική προεπεξεργασίας-ταξινόμησης που κρίνουν αποτελεσματικότερη για σκοπούς δικών τους αναλύσεων (εάν επιθυμούν να χρησιμοποιήσουν κάποια από όσες δοκιμάστηκαν στην παρ ούσα εργασία).
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Τσιτούρα Φανή
- Tsitoura Fani
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:2968116