Identifikacija otrok z avtizmom z uporabo strojnega učenjaGaberšek, Eva (Avtor) Cugmas, Marjan (Mentor) avtizemstrojno učenjeklasifikacijainterno prečno preverjanjepresejalni testi za avtizemAvtizem je razvojna motnja, ki se začne izkazovati v obdobju malčkov (pri 14 mesecih), v povprečju pa je diagnosticirana pri 4 letih. Izražena je predvsem kot spremenjeno vedenje na področju socialne interackije, komunikacije in domišljije. Potreba po zgodnji diagnostiki avtizma ter potreba po časovni razbremenitvi diagnostičnega postopka sta glavna razloga za vedno pogostejšo implementacijo metod strojnega učenja na prvi stopnji diagnostičnega postopka, na kateri poteka identifikacija rizičnih enot. Cilja magistrskega dela sta identifikacija otrok z avtizmom in identifikacija najpomembnješih spremenljivk z uporabo napovednih klasifikacijskih modelov. V ta namen je bilo uporabljenih 6 različnih nadzorovanih metod strojnega učenja na 4 različnih starostnih skupinah. Vzorec zajema 48.050 otrok, starejših od 13 mesecev, od tega 60 % dečkov in 40 % deklic, pri čemer je diagnosticiranih s katerokoli diagnozo 20 % otrok. Pojavnost avtizma na vzorcu je 2 %. Uspešni smo bili pri identifikaciji avtizma v skupini otrok, starih od 37 do 48 mesecev, kjer je najuspešnejši model (metode naključnih gozdov) dosegel 72 % točnost, 59 % občutljivost za avtizem in 90 % specifičnost za avtizem. Model pri 10 % otrok brez avtizma napačno identificira znake avtizma. Pravilno identificira 59 % otrok z avtizmom, ostalim 41 % pa pripiše druge diagnoze. Za ocene metrik uspešnosti klasifikacije smo uporabili interno prečno preverjanje. Kot napomembnejši spremenljivki za klasifikacijo smo v skupini triletnikov identificirali spol in spremenljivki, ki merita otrokove slušne zaznave. Modeli so na splošno manj uspešni v mlajših starostnih skupinah, in sicer je v večini najmanj uspešen naiven Bayesov klasifikator. V najmlajših dveh skupinah smo bili najmanj uspešni pri identifikaciji otrok z avtizmom (9 % v najmlajši skupini in 18 % v skupini dvoletnikov). Uspešnost modelov v različnih starostnih skupinah se med seboj razlikuje, pri čemer ni videti jasnega trenda katerekoli metode, kar je lahko posledica različnih vprašalnikov in izraženosti avtizma v različnih starostnih skupinah. Povzamemo lahko, da navkljub veliki uporabnosti implementacije metod strojnega učenja pri iskanju rizičnih enot za avtizem nismo našli enovite rešitve, ki bi bila uspešna v vseh starostnih skupinah. Pri prepoznavanju diagnosticiranih otrok so modeli v vseh starostnih skupinah sicer zelo uspešni, a smo pri vseh kot največjo šibkost prepoznali slabo razločevanje avtizma od ostalih diagnoz.20232023-03-31 11:30:00Magistrsko delo/naloga145048sl