309283_es-ES

liliconcom

Aprendizaje automático y análisis de subgrupos de biomarcadores para 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 los 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 en cuadrícula, búsqueda aleatoria, algoritmos genéticos)
  • Modelos que usan diferentes características (selección de características, extracción de características, ingeniería de características)
  • Modelos que implementan conjuntos de entrenamiento (empaquetado, impulso, 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 medicamento determinado) y regímenes de tratamiento óptimos (el mejor medicamento para un paciente determinado)
• Utilice la genómica JMP
  • Predecir la muerte por sepsis a partir de los datos recopilados al ingreso en el hospital
  • Identificar firmas de expresión molecular diferencial para tejidos normales frente a pólipos atribuibles al tratamiento de terapia de quimioprevención en PAF
  • 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 en sepsis caso de estudio
  • Relacionado Caso de éxito JMP describir el uso de JMP Genomics para la gran mayoría de todos los análisis

 

 

 

Modelado predictivo y aprendizaje automático