Primerjava podpornih vektorjev, naključnih gozdov in nevronskih mrež za napoved odziva na zdravljenje z adalimumabom pri slovenskih bolnikih s crohnovo boleznijoNemec, Katja (Avtor) Gorenjak, Mario (Mentor) Potočnik, Uroš (Komentor) Crohnova bolezenbioinformatikanapovedni modelistrojno učenjeUvod: V našem magistrskem delu smo želeli ugotoviti učinkovitost metod strojnega učenja pri napovedi odziva bolnikov s Chronovo boleznijo na biološko zdravilo adalimumab. Metode: Raziskava je vključevala 88 vzorcev, ki so bili analizirani glede na genetske, klinične in mešane podatke v različnih tednih zdravljenja. Uporabljene metode, kot so naključni gozdovi (RF), podporni vektorji (SVM) in nevronske mreže (NNET), so bile evalvirane z uporabo različnih metrik natančnosti, občutljivosti in Youdenovega indeksa. Rezultati: Rezultati kažejo, da je metoda RF najboljša na mešanih podatkih, SVM izstopa pri kliničnih, medtem ko NNET in RF dosegata najboljše rezultate na genetskih podatkih v različnih obdobjih zdravljenja. Uporaba metode "bagging" je izboljšala natančnost, še posebej pri RF. Kljub temu se zahteva previdnost pri interpretaciji zaradi omejene velikosti vzorca. Razprava: Naša analiza poudarja potrebo po preudarnem izboru metode, odvisnem od specifičnih značilnosti podatkov in ciljev analize. Sklep: Naše ugotovitve na podlagi analize predstavljajo osnovo za nadaljnje raziskave v smeri izboljšanja natančnosti modelov napovedi zdravljenja.[K. Nemec]20242024-01-29 17:25:04Magistrsko delo86930sl