Predikce přežití po transplantaci ledvin pomocí technik strojového učení
Predicting Kidney Transplant Survival: A Machine Learning Approach
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Peter Nutter
Vedoucí práce
Kouřim Tomáš
Oponent práce
Antoni Ľubomír
Studijní obor
Matematická informatikaStudijní program
Matematické inženýrstvíInstituce přidělující hodnost
katedra matematikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Chronické onemocnění ledvin, které postihuje více než 10% světové populace, představuje vážný zdravotní problém v globálním měřítku. Transplantace ledvin je jednou ze stěžejních léčebných možností. Tato bakalářská práce se zaměřuje na využití strojového učení pro predikci délky prežití transplantované ledviny. Reálná data z databáze americké organizace, United Network for Organ Sharing (UNOS), a Institutu klinické a experimentální medicíny (IKEM) byla použita k vytvoření několika modelů, včetně Coxovy regrese, Random Survival Forests, neuronové sítě DeepSurv a dalších parametrických modelů. Námi vyvinuté modely nabízejí možnosti pro zdokonalení skórovacího systému aktuálně používaného v USA, nebo dokonce pro vytvoření a zavedení komplexnějšího systému skórování pro Českou republiku, který by zohlednil dříve nepoužité faktory. Nejpřesnější z testovaných modelů dosáhly výsledků srovnatelných s aktuální literaturou. Tato práce nejen potvrzuje potenciál strojového učení v oblasti transplantační medicíny, ale také otevírá možnosti pro zlepšení úspěšnosti léčby. Zároveň nastiňuje cestu pro budoucí výzkum zaměřený na optimalizaci těchto modelů a zlepšení jejich praktického využití. Chronic kidney disease, a global health issue, impacts over 10% of the world's population, making kidney transplantation a critical treatment option. This thesis delves into the application of machine learning for predicting the longevity of kidney grafts post-transplantation. Real data from the United Network for Organ Sharing (UNOS) and the Institute for Clinical and Experimental Medicine (IKEM) have been utilized to develop various models, such as Cox regression, Random Survival Forests, and the DeepSurv neural network, among others. The development of these models opens potential avenues for improving the existing scoring system used in the USA, or even establishing a more comprehensive scoring system for the Czech Republic that considers previously unused variables. Our top models have shown performance levels that are comparable with those currently used in the literature. This study not only reaffirms the potential of machine learning in transplantation medicine but also creates opportunities for improving patient outcomes. It additionally illuminates a path for future research, optimizing these models, and better understanding their practical implications.
Kolekce
- Bakalářské práce - 14101 [308]
Související záznamy
Zobrazují se záznamy příbuzné na základě názvu, autora a předmětu.
-
Odhad délky života pacienta po úspěšné transplantaci ledviny pomocí metod strojového učení
Autor: Kyrylo Stadniuk; Vedoucí práce: Kouřim Tomáš; Oponent práce: Franc Jiří
(České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2024-08-24)Transplantace ledvin je nejlepší lečbou selhání ledvin, která ve srovnání s dialýzou přináší vyšší kvalitu a delší očekávanou délku života. Před transplantací se v naději na lepší výsledky maximalizuje kompatibilita dárce ... -
Úniková 3D počítačová hra
Autor: Tomáš Pokorný; Vedoucí práce: Čmolík Ladislav; Oponent práce: Sedláček David
(České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-05-31)Tato práce analyzuje principy tvorby počítačových her. Analyzuje herní mechaniky používané v survival hororových hrách na základě již vytvořených počítačových her. Dále analyzuje účel a použití modulárních komponent v ... -
Odhad kompatibility dárce a příjemce pro transplantaci ledvin pomocí strojového učení
Autor: Matěj Klouček; Vedoucí práce: Kouřim Tomáš; Oponent práce: Antoni Ľubomír
(České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2023-09-03)Se zvyšující se prevalencí onemocnění spojených s ledvinami je vylepšení procesu hledání vhodných párů dárců a příjemců zásadní pro zmírnění zátěže, kterou pro zdravotnický systém představují pacienti se selhávajícími ...