Прогноз ответа на лечение у пациентов с гепатитом C с помощью методов машинного обучения

Правильный прогноз ответа на лечение имеет решающее значение в любой медицинской терапии для уменьшения последствий заболевания и побочных эффектов лекарств. Уровень смертности от вируса гепатита C (HCV) высок в Пакистане и во всем мире. Прогнозирование ответа на конкретный препарат в ходе лечения затруднено. В данной работе делается акцент на прогнозировании ответа на лекарство L-орнитин L-аспартат (LOLA) у пациентов с гепатитом C. Для предсказания применялись различные методы машинного обучения, включая K Nearest Neighbor, kStar, Naive Bayes, Random Forest, Radial Basis Function, PART, Decision Tree, OneR, Support Vector Machine и Multi-Layer Perceptron. Для оценки производительности этих методов использовались показатели accuracy (точность), recall (полнота), precision (прецизионность) и F-measure.