• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
2020/2021

Методы интеллектуальной обработки информации в медицине

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус: Майнор
Когда читается: 3, 4 модуль
Охват аудитории: для всех кампусов НИУ ВШЭ
Язык: русский
Кредиты: 5

Программа дисциплины

Аннотация

В курсе рассматриваются основы статистического анализа медицинской информации. Изучаются методы и средства предиктивной аналитики заболеваний, их диагностики, анализа эпидемиологической обстановки и т.п.
Цель освоения дисциплины

Цель освоения дисциплины

  • Формирование у слушателей практических и систематических навыков анализа медицинских данных
Планируемые результаты обучения

Планируемые результаты обучения

  • Знание основных понятий математической статистики
  • Умение строить точечные и интервальные оценки необходимых параметров на основе статистических данных
  • Умение проверять гипотезы на основе статистических данных
  • Знание медицинских приложений анализа данных
  • Владение статистическими методами, применяемыми для анализа медицинской информации, и соответствующим прикладным программным обеспечением
  • Знание математических моделей эпидемической ситуации
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Основные понятия математической статистики.
    Выборка и выборочные характеристики. Нормальное распределение и его роль в анализе данных.
  • Точечные оценки.
    Свойства оценок: несмещенность, состоятельность, эффективность. Методы нахождения оценок: метод моментов, метод максимального правдоподобия.
  • Доверительное оценивание.
    Точность и надежность доверительных интервалов. Доверительный интервал для математического ожидания (нормальное распределение) при известной и неизвестной дисперсии.
  • Проверка гипотез.
    Ошибки при проверке гипотез. Статистические критерии проверки гипотез.
  • Понятие о регрессионном анализе.
    Простейшие регрессионные модели. Метод наименьших квадратов для оценки параметров регрессии.
  • Обзор статистических методов для медицинских приложений.
    Описательный анализ. Визуализация данных. Сравнение показателей для разных групп. Выявление зависимостей
  • Модели эпидемий.
    SIR-модель и ее модификации. Параметры модели, их оценка на основе статистических данных о заболеваемости. Компьютерное моделирование различных сценариев развития эпидемии.
  • Анализ эффективности применения лекарственных средств с помощью статистических методов.
    Описательный анализ. Визуальные методы исследования. Гистограммы. Диаграммы размаха (графики "ящики-усы"). Диаграммы рассеяния. Интерпретация графиков, применяемых для визуализации медицинских данных. Сравнение показателей для двух групп (критерий Стьюдента). Сравнение в нескольких группах (однофакторный дисперсионный анализ)
  • Прогноз наличия диагноза на основе результатов анализов с помощью логит-модели.
    Логит-регрессия. Оценка адекватности модели. Визуализация и интерпретация результатов
  • Методы классификации пациентов для построения иерархической последовательной системы поддержки и принятия решений.
    Категориальные и непрерывные признаки. Предикторные переменные. Деревья классификации.
Элементы контроля

Элементы контроля

  • неблокирующий Домашние задания 3 модуль
  • неблокирующий Текущий контроль 3 модуль
  • неблокирующий Домашние задания 4 модуль
  • неблокирующий Текущий контроль 4 модуль
  • неблокирующий Активность на занятиях
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.5 * Текущий контроль 3 модуль + 0.5 * Текущий контроль 4 модуль