Διερεύνηση και ανάλυση ανοικτών βϊοιατρικών δεδομένων μεγάλου όγκου με χρήση μηχανικής μάθησης: Οι περιπτώσεις των βάσεων UK Biobank και National Inpatient Sample.

Abstract

Στην παρούσα μελέτη, πέρα από την κλασσική στατιστική ανάλυση με SPSS, δημιουργήθηκε με Machine Learning Models, ένα προβλεπτικού μοντέλο σχετικά με το κόστος και το ποσοστό θνησιμότητας ενδονοσοκομειακών ασθενών. Για την δημιουργία του μοντέλου αντλήθηκαν δεδομένα από το US National Inpatient Sample (NIS) του έτους 2013. Τα δεδομένα αφορούν πάνω από 7*106 ασθενείς για τους οποίους έχουν καταγραφεί 144 ξεχωριστά στοιχεία, δημογραφικά, δεδομένα υγείας, διαχειριστικά δεδομένα και τα οποία αποτελούν τις μεταβλητές – variables που χρησιμοποιήσαμε. Στηριχθηκαμε σε αντίστοιχες μελέτες που έχουν δημοσιευτεί στο παρελθόν, εμπλουτίσαμε όμως την κλασσική στατιστική ανάλυση με Machine Learning (ML) Models τα οποία δίνουν καλύτερο προβλεπτικό αποτέλεσμα, σχετικά με το κόστος της θεραπείας και το ποσοστό θνησιμότητας. Ταυτόχρονα χρησιμοποιώντας τον classifier XGBoost, μπορέσαμε να διατηρήσουμε την επεξηγηματικότητα (expainability) του μοντέλου, ώστε να συγχρονίζεται με την κλινική πρακτική. Πριν την στατιστική ανάλυση και την δημιουργία του προγνωστικού μοντέλου, αναλύθηκαν δύο open source βάσεις βιοιατρικών και ιατρικών δεδομένων, τη UK Biobank και το US National Inpatient Sample (NIS).