Modeliranje prognoze bolnikov s primarnim možganskim rakom četrte stopnjeKošuta, Andraž (Avtor) Sadikov, Aleksander (Mentor) Breznik, Barbara (Komentor) Gliomiglioblastomipreživetjestrojno učenjenapovedGliomi so najpogostejši primarni tumorji centralnega živčnega sistema in med njimi so glioblastomi, najbolj agresivna stopnja. Po klasifikaciji Svetovne zdravstvene organizacije (WHO) glioblastome uvrščajo med gliome stopnje IV. Namen te magistrske naloge je na podlagi podatkov, ki jih je zbral projekt Trans-Glioma, analizirati dejavnike, ki vplivajo na preživetje bolnikov z diagnozo glioblastoma. Ključni poudarek naloge je predvsem na interpretabilnosti, saj nas bolj kot prihodnja uporaba teh modelov zanimajo povezave med preživetjem ter napovednimi spremenljivkami. Nalogo začnemo s teoretičnim uvodom o gliomih ter specifično o glioblastomih. Opišemo zgodovinski razvoj klasifikacijskih metod in opišemo biološko ozadje, vključno z vlogo genetskih predispozicij. V nalogu preverimo tudi vpliv izražanja določenih genov na preživetje. V nalogi predstavimo teoretično ozadje statističnih metod in metod strojnega učenja, ki postavljajo okvir za kasnejšo analizo podatkov. Poglobimo se v različne statistične tehnike in tehnike strojnega učenja, kot so logistična regresija, naivni bayes, naključni gozdovi in XGBoost, pri čemer tudi izpostavimo njihove prednosti in omejitve v kontekstu klasifikacije enoletnega preživetja pacientov z diagnozo glioblastoma. Po teoretičnem uvodu nadaljujemo s predstavitvijo zbranih podatkov, ki jih spremlja statistična analiza in pomožni vizualni prikazi. Nato pojasnimo postopek statističnega modeliranja, pri katerem je najprej predstavljen nabor neodvisnih spremenljivk, ki mu sledi opis metodologije razvoja napovednih modelov z namenom klasifikacije enoletnega preživetja pri diagnozi glioblastoma. V predstavitev dela je vključena predhodna obdelavo podatkov, priprava modelov in načina implementacije. Na koncu sledi analiza rezultatov, pri čemer primerjamo metrike natančnosti med modeli. Metrike, ki jih primerjamo so klasifikacijska točnost, priklic, natančnost in vrednost F1 ter sama porazdelitev pomembnosti napovednih spremenljivk med modeli. Ugotovimo, da je bolnikova starost zelo pomemben indikator preživetja, prav tako to trdimo za mutacijo spremembe v receptorju epidermalnega rastnega faktorja (EGFR). Pri različnih genih (ASCBG1, CCR5, CD9, STAT3, etc.) preverimo ali njihovo izražanje vpliva na preživetje in ugotovimo, da ima izražanje znaten vpliv v napovedih. Kot najpomembnejše izpostavimo izražanje genov CD9, S100A4, STAT3 ter STMN4. Ugotovitve te raziskave prispevajo k globljemu razumevanju glioblastomov in potencialni uporabi statističnih tehnik in tehnik strojnega učenja pri klasifikaciji enoletnega oz. poljubnega preživetja.20262026-09-08 10:15:04Magistrsko delo/naloga187013sl