Применение алгоритма HDBSCAN для кластеризации векторных представлений текстовых данных в задаче выделения фенотипических групп среди пациентов с ревматоидным артритом, получающих генно-инженерную биологическую терапию.

Автор работы – Доронькин Максим Вячеславович. Тема работы: «Применение алгоритма HDBSCAN для кластеризации векторных представлений текстовых данных в задаче выделения фенотипических групп среди пациентов с ревматоидным артритом, получающих генно-инженерную биологическую терапию» Объект исследования – текстовые данные из электронных медицинских карт (ЭМК) пациентов, страдающих ревматоидным артритом. Целью работы являлось исследование возможности применения алгоритма HDBSCAN для кластеризации обобщенных векторных представлений текстовых данных, полученных с помощью предобученной на русскоязычных текстах трансформерной модели BERT, с целью разделения пациентов на фенотипические группы по медицинским показателям, оценка применимости алгоритма для выделения группы с трудным течением болезни (D2T-пациенты), а также исследование возможности выделения группы пациентов с будущей эффективностью/неэффективностью биологической терапии. Постановка задачи: 1) Проанализировать данные, построить векторные представления, подготовить для применения алгоритма кластеризации. 2) Применить алгоритм кластеризации и проанализировать полученные результаты. 3) Оценить возможность применения алгоритма с помощью методов математической статистики. 4) Проанализировать отдельно возможность выделения группы пациентов с будущей эффективностью/неэффективностью приема ГИБП/тсБПВП. Объем работы составляет 18 страниц, в ней присутствует 7 иллюстраций, 5 таблиц. Список использованной литературы содержит 25 наименований. Факультет компьютерных наук НИУ ВШЭ, Москва, 2024 год.