Proposal of a prediction model for diagnosis of Alzheimer's disease and its implementation in practice
| Thesis title: | Návrh predikčního modelu pro diagnostiku Alzheimerovy choroby a jeho implementace praxi |
|---|---|
| Author: | Mádrová, Eliška |
| Thesis type: | Diplomová práce |
| Supervisor: | Potančok, Martin |
| Opponents: | Zimmermann, Pavel |
| Thesis language: | Česky |
| Abstract: | Tato diplomová práce se zabývá použitím různých metod pro vytvoření predikčního modelu pro diagnostiku Alzheimerovy choroby a jejich následným porovnáním. Cílem práce je navrhnout predikční model pro diagnostiku Alzheimerovy choroby a navrhnout implementaci řešení do praxe. Práce se zaměřila na predikci stádia nemoci v období jednoho roku. Nejprve se v práci analyzuje současný stav využití umělé inteligence a strojového učení ve zdravotnictví a poté se zaměřuje na popis problému Alzheimerovy choroby pro představení kontextu relevantního pro vývoj predikčního modelu. Hlavní část práce se věnuje výběru nástrojů a metod strojového učení, včetně popisu jednotlivých technik a jejich implementací v jazyce Python. Dále jsou v práci zpracována data před jejich použitím pro trénink modelů. Analýza různých prediktivních modelů odhalila, že nejlepší výsledky pro predikci stádia nemoci podává model xgboost. V závěru jsou diskutovány technologické, právní a etické aspekty implementace modelu do praxe ve zdravotnickém prostředí. Tato práce shrnuje poznatky v oblasti možné diagnostiky Alzheimerovy choroby pomocí umělé inteligence a ukazuje potenciál strojového učení jako užitečného nástroje pro zlepšení péče o pacienty s touto nemocí. |
| Keywords: | xgboost; náhodný les; zdravotnictví; strojové učení |
| Thesis title: | Proposal of a prediction model for diagnosis of Alzheimer's disease and its implementation in practice |
|---|---|
| Author: | Mádrová, Eliška |
| Thesis type: | Diploma thesis |
| Supervisor: | Potančok, Martin |
| Opponents: | Zimmermann, Pavel |
| Thesis language: | Česky |
| Abstract: | This thesis focuses on the use of different methods for creating a prediction model for the diagnosis of Alzheimer's disease and their subsequent comparison. The aim of the thesis is to propose a prediction model for the diagnosis of Alzheimer's disease and to suggest the implementation of the solution in practice. The thesis focuses on prediction of the stage of the disease over a period of one year. First, the thesis analyzes the current state of the art of the use of artificial intelligence and machine learning in healthcare and then focuses on the description of the Alzheimer's disease to present the context relevant to the development of the prediction model. The main part of the thesis focuses on the selection of machine learning tools and methods, including a description of each technique and its implementation in Python. Furthermore, the thesis processes the data before using it to train the models. The analysis of different predictive models reveals that the xgboost model gives the best results for predicting the stage of the disease. Finally, the technological, legal and ethical aspects of implementing the model into practice in a healthcare setting are discussed. This thesis summarizes the findings in the field of possible diagnosis of Alzheimer's disease using artificial intelligence and shows the potential of machine learning as a useful tool for improving the care of patients with this disease. |
| Keywords: | machine learning; xgboost; random forest; healthcare |
Information about study
| Study programme: | Data a analytika pro business |
|---|---|
| Type of study programme: | Magisterský studijní program |
| Assigned degree: | Ing. |
| Institutions assigning academic degree: | Vysoká škola ekonomická v Praze |
| Faculty: | Faculty of Informatics and Statistics |
| Department: | Department of Information Technologies |
Information on submission and defense
| Date of assignment: | 12. 1. 2022 |
|---|---|
| Date of submission: | 29. 4. 2024 |
| Date of defense: | 6. 6. 2024 |
| Identifier in the InSIS system: | https://insis.vse.cz/zp/80438/podrobnosti |