National and Kapodistrian University of Athens
Probabilistic machine learning models and decision optimization for hepatocellular carcinoma
Abstract
dc:descriptionΗ παρούσα διπλωματική εργασία αναπτύσσει ένα ολοκληρωμένο πλαίσιο, το οποίο γεφυρώνει την πιθανοκρατική πρόβλεψη κινδύνου με τη βελτιστοποίηση κλινικών αποφάσεων για τη διάγνωση Ηπατοκυτταρικού Καρκινώματος (HCC). Στο Μέρος Ι αξιοποιείται ένα δημόσιο και συνθετικό σύνολο δεδομένων με 5.000 παρατηρήσεις και 14 μεταβλητές, που περιγράφουν δημογραφικές και κλινικές μεταβλητές και βιοδείκτες με μέτρια ανισορροπία κλάσεων (21,8% θετικές περιπτώσεις). Η μεθοδολογία υλοποιείται ως αγωγός ασφαλής από διαρροές με στρωματοποιημένο διαχωρισμό εκπαίδευση / επικύρωση / δοκιμή και σύγκριση Λογιστικής Παλινδρόμησης (LR), Τυχαίου Δάσους (RF) και Ακραίας Ενίσχυσης Κλίσης (XGB). Η αξιολόγηση δεν περιορίζεται στη διάκριση μέσω της Περιοχής Κάτω από την Καμπύλη Λειτουργικού Χαρακτηριστικού Δείκτη (ROC-AUC), αλλά επεκτείνεται στην Περιοχή Κάτω από την Καμπύλη Ακρίβειας-Ανάκλισης (PR-AUC) και τη Μέση Ακρίβεια (AP) και σε αξιοπιστία πιθανοτήτων μέσω βαθμολογία Brier και καμπυλών βαθμονόμησης, με επιλογή μεθόδου βαθμονόμησης (σιγμοειδής ή ισοτονική) βάσει επικύρωσης Brier. Για την αξιολόγηση της απροσδόκητα υψηλής διάκρισης σε συνθετικά δεδομένα, εκτελούνται επιπλέον διαγνωστικά ευρωστίας, συμπεριλαμβανομένης της μετάθεσης ετικετών και δοκιμές αντοχής κατά την αφαίρεση χαρακτηριστικών, καθώς και δύο πιο ρεαλιστικές προσομοιώσεις συνθηκών ανάπτυξης με εισαγωγή θορύβου στα αριθμητικά χαρακτηριστικά και μεταβολή επιπολασμού στο test set. Ενώ η συνθετική φύση των δεδομένων αποδίδει σχεδόν τέλειες μετρήσεις, η παρούσα μελέτη αντιμετωπίζει το σύνολο δεδομένων κυρίως ως ελεγχόμενο περιβάλλον για να καταδείξει τη μεθοδολογική σκοπιμότητα του προτεινόμενου πλαισίου και όχι ως σημείο αναφοράς για την κλινική ετοιμότητα. Στο Μέρος ΙΙ, οι βαθμονομημένες πιθανότητες P(Y=1|x) ενσωματώνονται σε ρητό πλαίσιο θεωρίας αποφάσεων τύπου Pauker-Kassirer, όπου η μετάβαση από πρόβλεψη σε δράση προκύπτει από τη μέγιστη αναμενόμενη ωφέλεια και οδηγεί σε ερμηνεύσιμο βέλτιστο κατώφλι p^*. Ορίζονται δύο περιβάλλοντα ωφελειών, το κλινικό με Ποιοτικά Προσαρμοσμένα Έτη Ζωής (QALYs) και το οικονομικό με Ανάλυση Κόστους-Οφέλους (CBA), ενώ εξετάζονται έξι σενάρια (ισορροπημένο/συντηρητικό/επιθετικό), τα οποία αναπτύσσουν διαφορετικές στάσεις κινδύνου. Τα αποτελέσματα δείχνουν, ότι το p^* μεταβάλλεται σημαντικά ανάλογα με το αντικειμενικό κριτήριο, κυμαινόμενο από 1,4% έως 73,5%. Επιπλέον, μέσω ανάλυσης ευαισθησίας (one-way) των παραμέτρων προτίμησης και κινήτρων, όπως Συντελεστής Αποστροφής Κινδύνου (RAF), Συντελεστής Αποστροφής Παρέμβασης (IAF) και Πολλαπλασιαστής Υπερβολικής Χρήσης (OM), τεκμηριώνεται ότι το p^* μεταβάλλεται συνεχώς και ενίοτε μη γραμμικά. Τελικά, η διατριβή γεφυρώνει το χάσμα πιθανότητας-απόφασης, αποδεικνύοντας ότι η βέλτιστη απόφαση δεν είναι ιδιότητα της AUC, αλλά συνέπεια των συγκεκριμένων συμβιβασμών κόστους/οφέλους που ορίζονται από το ενδιαφερόμενο μέρος.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- ΜΠΙΣΔΑΣ ΑΘΑΝΑΣΙΟΣ
- BISDAS ATHANASIOS
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:5449420