Seminarium: mgr inż. Dawid Zamojski
Mgr inż. Dawid Zamojski wystąpił na seminarium Katedry z prezentacją pt. "Using machine learning methods to support the planning of the infertility diagnosis process".
Podczas wystąpienia przedstawił projekt badawczy dotyczący wykorzystania metod uczenia maszynowego do wspierania procesu diagnostyki niepłodności. Praca koncentruje się na analizie danych diagnostycznych pochodzących z kilku obszarów medycyny rozrodu, takich jak genetyka, cytogenetyka, mikrobiologia, cytologia oraz immunologia.
Celem projektu jest sprawdzenie, czy dane kliniczne mogą zostać wykorzystane do wcześniejszej oceny prawdopodobieństwa uzyskania ciąży oraz do lepszego planowania spersonalizowanej ścieżki diagnostycznej pacjentów. W badaniu analizowane są m.in. problemy typowe dla rzeczywistych danych medycznych: brakujące wartości, niezbalansowane klasy, ograniczona liczba cech oraz konieczność ostrożnej interpretacji wyników modeli predykcyjnych.
W prezentacji omówiono również analizę struktury danych z wykorzystaniem UMAP, imputację braków danych, a także porównanie kilku strategii modelowania, w tym Random Forest, zoptymalizowanego XGBoost oraz XGBoost z zastosowaniem SMOTE.
Najciekawsze wyniki wskazują, że w analizowanym zbiorze szczególnie obiecujący potencjał predykcyjny wykazały dane cytogenetyczne. Jednocześnie projekt podkreśla, że modele AI w medycynie wymagają nie tylko dobrych wyników metrycznych, ale również rzetelnej walidacji, kontroli potencjalnych biasów i odpowiedzialnej interpretacji klinicznej.
To ważny etap pracy doktorskiej Dawida, łączący medycynę rozrodu, analizę danych klinicznych i nowoczesne metody sztucznej inteligencji.
