Forbedring af prognostiske modeller i medicinske data via Meta-Learning fra naboliggende sygdomme
Du skal undersøge om vi kan forbedre prognosticering af CLL ved at anvende ML-metoder, der lærer fra relaterede sygdomme som Lymfom og Myelomatose. Du tester hypotesen om at modellering på tværs af sygdomme er bedre end separate modeller.
Baggrund
Meta-Learning bygger på idéen om at lære generelle mønstre på tværs af opgaver. Medicinske datasæt er små og heterogene, men ved at modellere sygdomme samlet, kan man udnytte fælles mønstre og forbedre generalisering. Det kan revolutionere hvordan ML anvendes i sundhedsforskning.
Øvrige kommentarer
CLL Lab har publiceret i NEJMe og Lancet Oncology og er pionerer i brug af ML i klinikken. Du vil arbejde med virkelige patientdata og se dine modeller få reel anvendelse.
Du skal være i 6-12 måneder speciale. Programmeringserfaring og dataanalyse. Evne til at formidle teknisk indhold.
Partnere
CLL Lab, Rigshospitalet
Fakta
Casestiller kan tilbyde følgende:
- Materiale til rådighed, f.eks. EHR-data på CLL, LYM og MM med +3000 variabler og tidsserier
- Stille op til præsentation af udfordring på kursus
- De studerende må besøge klinikken/afdelingen (feltarbejde)
- Relevant data/baggrundsmateriale
Output
- Rapport
- Prototype

