309283_es-ES

liliconcom

Análisis de subgrupos de aprendizaje automático y biomarcadores para la medicina de precisión

 

Vea cómo:

• Comprender los conceptos básicos del aprendizaje automático
  • Compare las diferencias entre el modelado estadístico utilizando una muestra de datos de una población más grande y el modelado algorítmico (aprendizaje automático) donde se desconoce el mecanismo de datos
• Comprender 4 tipos de modelos
  • Modelos que utilizan diferentes algoritmos (regresión, modelos basados en árboles, redes neuronales)
  • Modelos que utilizan diferentes configuraciones de parámetros (búsqueda de cuadrícula, búsqueda aleatoria, algoritmos genéticos)
  • Modelos que utilizan diferentes funciones (selección de funciones, extracción de funciones, ingeniería de funciones)
  • Modelos que implementan conjuntos de entrenamiento (ensacado, refuerzo, validación cruzada de 5 veces)
• Comprender el uso del análisis de subgrupos y el uso de la identificación de subgrupos (encontrar pacientes correctos para un fármaco determinado) y los regímenes de tratamiento óptimos (el mejor fármaco para un paciente determinado)
• Utilice JMP Genomics
  • Para predecir la muerte por sepsis en los datos recopilados en el ingreso hospitalario
  • Identificar firmas de expresión molecular diferencial para tejidos normales frente a pólipos atribuibles al tratamiento de terapia de quimioprevención en FAP
  • Usar análisis de subgrupos para encontrar medidas clínicas o biomarcadores de metabolitos que exhiban

• Recursos

  • Un modelo clínico-metabolómico integrado mejora la predicción de muerte por sepsis caso de estudio
  • Relacionado Historia de éxito de JMP que describe el uso de JMP Genomics para la gran mayoría de todos los análisis

 

 

 

31+ minAvanzadoGenómicaDominar JMPVídeo