20.500.12556/RUL-29984 Iskanje neželenih interakcij zdravil magistrsko delo Searching for unwanted drug interactions Interakcije zdravil so prepletanja učinkov zdravil, ki lahko povzročijo želene ali škodljive učinke na pacientu. V nalogi smo z orodjem strojnega učenja iskali interakcije zdravil, ki lahko na zdravje bolnikov vplivajo negativno. Naš pristop k reševanju problema temelji na dveh algoritmih strojnega učenja. Pri tem smo upoštevali hierarhiji zdravil in bolezni ter bazo LexiComp. Algoritem posplošenih povezovalnih pravil poskuša s pomočjo hierarhij poiskati pravila, ki poleg osnovnih elementov upoštevajo tudi njihove posplošitve v hierarhiji. Drugi uporabljeni algoritem je iskanje pravil s koristnostno funkcijo, ki uporablja statistične informacije podatkov. Algoritme smo testirali na umetno generiranih podatkih in na realnih podatkih pacientov iz Univerzitetnega kliničnega centra v Ljubljani. Najdena pravila so pregledali farmacevti, ki so jih podrobno analizirali in komentirali. Rezultati algoritmov so obetavni, saj smo odkrili nekaj zanimivih novih pravil in vzorcev. Drug interactions are interweaving effects between two or more drugs that can have desirable or harmful effects on patients health. In this thesis we for searched harmful drug interactions. Our approach is based on two machine learning algorithms for association rule mining. We use two given hierarchies, one for drugs (ATC), the other for diseases (ICD), and one proprietary interaction database LexiComp. A generalized association rule algorithm tries to find rules that contain basic elements as well as elements from given hierarchies. The second algorithm uses high-utility pattern mining. The utility function was designed to use statistical information from both the data and the hierarchies. Algorithms were tested on artificial data and on a dataset from University Medical Centre Ljubljana. Detected rules were reviewed, analyzed, commented and evaluated by pharmacists. The results are promising as several interesting new rules and patterns are detected. strojno učenje podatkovno rudarjenje povezovalna pravila interakcije interakcije zdravil zdravila hierarhije LexiComp generalizacija ontologije posplošena povezovalna pravila povezovalna pravila s funkcijo koristnosti funkcije koristnosti hiperkaliemija računalništvo računalništvo in informatika magisteriji machine learning data mining association rules interactions drug interactions drugs hierarchy LexiComp generalization ontologies generalized association rules high utility association rules utility function hypercalemia computer science computer and information science master's degree true false false [D. Ognjenović] Slovenski jezik Angleški jezik Magistrsko delo/naloga 2014-10-24 09:30:00 2014-10-24 09:30:00 2024-08-13 10:00:08 0000-00-00 00:00:00 2014 0 0 63 str. 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 13997 1536161731 Ognjenovic_Dejan_-_Iskanje_nezelenih_interakcij_zdravil.pdf Ognjenovic_Dejan_-_Iskanje_nezelenih_interakcij_zdravil.pdf 1 32A1BED923F7A55E0233EB55BF291A69 a777ea53d9d2234f718e7a5b1277cf1664038388ed2b3e97e1263a8a12950286 31668b0d-a1ad-11eb-a523-00155dcfd717 20.500.12556/rul/5f2d7d8a-2ae8-42e4-98cb-44663bb8b8b0 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=29979 Fakulteta za računalništvo in informatiko 0 0 0