Modelli predittivi di sopravvivenza per l'apprendimento statistico nella Sclerosi Laterale Amiotrofica

La sclerosi laterale amiotrofica (SLA) è una malattia neurodegenerativa progressiva che colpisce i neuroni motori. La prognosi per i pazienti con SLA è varia e difficile da prevedere. Per questo motivo, i modelli predittivi di sopravvivenza basati sull'apprendimento statistico possono essere utilizzati per predire la progressione della malattia e per aiutare i medici nella scelta delle terapie. In questo lavoro, sono stati utilizzati quattro modelli predittivi di sopravvivenza: il modello di Cox, la random forest, l'elasticnet Cox e la deep survival machine. Sono state prese in considerazione diverse caratteristiche cliniche, biologiche e molecolari dei pazienti per creare questi modelli. In particolare, il modello di Cox è stato utilizzato per modellare l'effetto delle caratteristiche sui tempi di sopravvivenza, mentre la random forest, l'elasticnet Cox e la deep survival machine sono state applicate successivamente per ottimizzare il modello di previsione ottenuto