Metody data mining w medycynie – diagnoza, odkrywanie powiązań, predykcja

Data mining jest coraz częściej stosowanym w diagnostyce i badaniach medycznych. Dzięki narzędziom data mining można wykrywać anomalie, wspomóc diagnozę, leczenie oraz grupować obiekty w podobne segmenty.
Celem kursu jest zapoznanie jego uczestników z podstawowymi zasadami data mining (zgłębiania danych) oraz metodami uczenia maszyn (m.in. drzewami decyzyjnymi, ogólne modele addytywne), tak aby mogli samodzielnie realizować projekty data mining
W trakcie kursu zostaną zaprezentowane wybrane techniki data mining i uczenia maszynowego (machine learning) m.in. drzewa klasyfikacyjne i regresyjne, losowy las oraz analiza skupień i analiza koszykowa.
Predykcja jest jednym z najczęstszych zadań analizy danych. Jednak tworzenie prognoz i stosowanie ich w praktyce wydaje się trudne: napotykamy wiele problemów, takich jak: skomplikowane zależności, specjalne zdarzenia oraz braki danych dla pewnych okresów. Przykładowe predykcyjne pytania w medycynie to określenie, czy u pacjenta wystąpi zawał, czy dana osoba zachoruje na cukrzycę, nowotwór piersi. Na kursie poznamy techniki i narzędzia pozwalające radzić sobie z wymienionymi trudnościami i uzyskać użyteczne prognozy.

Dla kogo?

• Lekarzy, epidemiologów
• Przedstawicieli nauk biologicznych i farmaceutycznych
• Osób pragnących analizować duże zbiory danych w celu wspomagania podejmowania diagnostycznych decyzji
• Dla wszystkich, którzy chcą bliżej poznać specjalistyczne metody data mining, aby móc wydobyć z medycznych danych maksymalnie dużo użytecznej wiedzy.

Co zyskasz?

• Dowiesz się, jak wydobyć kluczowe informacje ukryte w medycznych bazach danych i poznać ich strukturę za pomocą analizy skupień i analizy koszykowej.
• Dowiesz się, jak budować modele predykcyjne potrzebne w diagnostyce medycznej wykorzystując drzewa klasyfikacyjne i regresyjne oraz losowy las
• Pozyskasz wiedzę w zakresie oceny uzyskanego modelu, porównania modeli oraz stosowania uzyskanych modeli
• Poznasz praktyczne wskazówki dotyczące interpretacji uzyskanych wykresów i arkuszy wynikowych

Program szkolenia:

1. Podstawowe idee data mining
   • Metody bez nauczyciela i metody z nauczycielem data
   • Etyka data mining i uczenia maszynowego w opiece zdrowotnej
   • Prezentacja medycznych baz danych ilustrujących omawiane metody
2. Modele regresyjne pozwalające na modelowaniu zależności między zmiennymi w medycznych bazach danych
   • Modele regresji i regularyzacja tych modeli
   • Drzewa regresyjne
3. Modele klasyfikacyjne, które pomagają w diagnozowaniu chorób na wcześniejszych etapach lub określają ryzyko zachorowania u pacjentów:
   • Drzewa klasyfikacyjne
   • Zespoły modeli – Losowy las
   • Metoda k najbliższych sąsiadów
4. Porównanie omawianych powyżej modeli (czułość, swoistość, PPN, NPV, F1)
5. Wprowadzenie do metod uczenia bez nauczyciela

Wymagania:

• umiejętność obsługi komputera w środowisku Windows
• znajomość podstaw analizy danych
• zalecamy wcześniejszy udział w kursie Statistica kurs podstawowy