Referat wygłosiła: dr Dorota Jakubczyk, Prof PRz
Referat przedstawia podejście do automatycznego wyszukiwania biomarkerów widmowych w danych spektroskopowych Raman i w podczerwieni z transformatą Fouriera (FTIR z ang. Fourier Transform Infrared Spectroscopy) pochodzących od dwóch grup: pacjentów chorych oraz osób zdrowych na przykładzie chorych na miażdżycę (ACS z ang. atherosclerosis) w oparciu o publikacje naukową [1]. Prezentowana metoda opiera się na systematycznej analizie głównych składowych (PCA z ang. Principal Component Analysis), pozwalającej znaleźć takie kombinacje składowych głównych, które najlepiej rozdzielają obie grupy. W tym celu wykorzystano metrykę Mahalanobisa (MD z ang. Mahalanobis Distance) oraz klasyfikator liniowej analizy dyskryminacyjnej (LDA z ang. Linear Discriminant Analysis), umożliwiające obiektywną ocenę jakości separacji, a także testy permutacyjne, które potwierdzają, że obserwowane różnice nie wynikają z przypadku. Na podstawie najlepszych podprzestrzeni PCA można wyznaczyć biomarkery spektralne, czyli fragmenty widma szczególnie istotne dla odróżnienia widm pacjentów chorych od widm osób zdrowych. Prezentowane jest również dodatkowe narzędzie potwierdzające najlepsze rozróżnienie tych grup tzw. t-rozkładowe stochastyczne osadzanie sąsiadów (t-SNE z ang. t-Distributed Stochastic Neighbor Embedding), które przekształca dane wysokowymiarowe do 2D lub 3D w taki sposób, aby zachować lokalne podobieństwa między punktami, dzięki czemu ujawnia wyraźne klastry i strukturę danych, której nie widać w oryginalnej przestrzeni.
Prezentowane treści stanowią przykład wykorzystania metod wielowymiarowych w diagnostyce biomedycznej i pokazują, jak algorytmy danych mogą wspierać identyfikację cech o istotnym znaczeniu klinicznym.
[1] Dorota Jakubczyk, Jan Jakub Kęsik, Piotr Terlecki, Marek Iłżecki, Paweł Jakubczyk, Joanna Depciuch, Automated Identification of Class-Separating Principal Component Subspaces in Biomedical Raman and Fourier Transform Infrared Spectroscopy, Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 348, 127081 (2026), https://doi.org/10.1016/j.saa.2025.127081
