Use of machine learning methods for data analysis in a complex biomedical system

Abstract

В данной работе рассматривается возможность применения кластерного анализа для задачи диагностирования заболеваний мозга. Сложность задач, возникающих в области нейрофизиологии, а также объем данных, которые используются для диагностики и лечения пациентов, неуклонно растут. Ранняя диагностика болезни Альцгеймера может позволить назначить своевременное лечение для замедления прогрессирования заболевания. Так как, на практике приходится вручную анализировать полученные результаты обследований, возможны ошибки, связанные с человеческим фактором. Кроме того, не всегда удается поставить точный диагноз. В связи с этим разработка эффективных методов обработки этих данных становится наиболее приоритетной. Была исследована возможность разделения пациентов на группы на основе данных результатов теста Векслера, МРТ и ЭЭГ обследований головного мозга, а так же проведена проверка статистически значимых различий между полученными кластерами по анализам крови.

This paper discusses the possibility of using cluster analysis for the problem of diagnosing brain diseases. The complexity of the problems arising in the field of neurophysiology, as well as the amount of data used to diagnose and treat patients, is growing steadily. Early diagnosis of Alzheimer's disease may allow early treatment to slow the progression of the disease. Since in practice it is necessary to manually analyze the results of examinations, there may be errors related to the human factor. In addition, it is not always possible to make an accurate diagnosis. In this regard, the development of effective methods for processing these data becomes the highest priority. The possibility of dividing patients into groups based on the results of the Wechsler test, MRI and EEG examinations of the brain was investigated, and statistically significant differences between the obtained clusters were checked by blood tests.