• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

ФИО студента
Название работы
Руководитель
Факультет
Программа
Оценка
Год защиты
Корепанова Наталья Владимировна
Методы машинного обучения для оптимизации лечения детского острого лимфобластного лейкоза в подгруппах
Науки о данных
(Магистратура)
2016
Острый лимфобластный лейкоз – одно из самых часто встречающихся онкологических заболеваний (ОЛЛ) у детей и подростков. Развитие протоколов лечения детского ОЛЛ в нашей стране позволило добиться излечения большей части всех больных. Однако дальнейшие попытки модификации терапии практически не приводят к повышению выживаемости. В этих протоколах практически отсутствует персонализация терапии, в то время как именно персонализация может позволить существенно улучшить текущие показатели выживаемости.

Эта работа посвящена изучению проблемы поиска подгрупп пациентов с наличием различий в эффективности сравниваемых стратегий лечения. Подразумевается, что имеются данные о характеристиках и исходе лечения пациентов, которым случайным образом приписывалась одна из исследуемых стратегий лечения. Такие данные чаще всего могут быть собраны в результате рандомизированного контролируемого клинического исследования.

В работе приводится обзор существующих подходов к решению обозначенной проблемы, в основе которых лежат методы машинного обучения. Помимо этого, предлагается собственный подход к поиску подгрупп и генерации гипотез о наличии различий в эффективности стратегий лечения в подгруппах. В основе этого подхода лежит представление исходных данных в виде узорных структур, описание подгрупп замкнутыми описаниями и поиск всех подгрупп со значимыми различиями при помощи алгоритма, представляющего из сея версию алгоритма Замыкай по Одному.

Проведена аппробация предлагаемого подхода к имеющимся данным рандомизированного контролируемого исследования о лечении детского ОЛЛ. Представлено сравнение результатов применения с другими подходами к выделению подгрупп. В результате, предлагаемый подход позволяет получить большее число подгрупп с наличием значимых различий. Для оценки устойчивости описаний подгрупп, получаемых в результате применения предлагаемого подхода, предлагается мера устойчивости, основанная на расстоянии понятий в решетке узорных понятий.

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Расширенный поиск ВКР