ŠIŠKA, B. Počítačová podpora pro monitoring a hodnocení kvality dat v klinickém výzkumu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.
Branislav Šiška se ve své práci věnuje detekci anomálních záznamů v databázích pocházejících z klinického výzkumu. Diplomant svou práci realizoval ve spolupráci s Institutem biostatistiky a analýz s.r.o., kde mu byly dány k dispozici data ze tří uzavřených klinických studií a byly mu poskytnuty konzultace s manažery dat a konzultace se softwarovými vývojáři zdejšího EDC (electronic data capture) systému. Student těchto konzultací efektivně využil a vytvořil práci, která se v teoretické rovině věnuje aspektům kvality dat v klinickém výzkumu a v praktické části pak přináší možné řešení pro detekci potencionálně anomálních záznamů v jakékoli databázi vytvářené v systému CLADE-IS. K formální stránce práce nemám výhrady. Pozitivně hodnotím studentovu aktivitu nejen při konzultacích, ale také při aktivní účasti na studentské konferenci EEICT, kde nabyl motivaci k dalšímu vylepšení své práce, a to zejména v oblasti hodnocení přesnosti klasifikace. Nahrazením resubstituce za křížovou validaci dospěl k reálnějším výsledkům ukazujícím na poměrně nízkou senzitivitu klasifikátoru. Další pozitiva spatřuji v tom, že student dotáhnul softwarovou implementaci detekce v Matlabu až k přímému připojování k SQL databázím, jejichž data analyzoval, přičemž se podílel i na vytváření datových pohledů sloužících pro analytické vytěžování dat z databází CLADE-IS. Drobné nedostatky práce vidím v samotném textu, kdy student sice na radu školitele vložil do práce schéma strojového učení, ale už nevyužil možnost přirovnat jednotlivé bloky tohoto schématu k jednotlivým krokům, které v práci prováděl.
Student Branislav Šiška vypracoval diplomovou práci na téma: Počítačová podpora pro monitoring a hodnocení kvality dat v klinickém výzkumu. Teoretická část práce je velmi přehledná a logicky dobře členěná. Text je srozumitelný a předkládá všechny důležité informace vztahující se ke studiím, sběru dat, obsaženým informacím a kontrole obsahu včetně souvislostí. Druhá kapitola obsahuje postupy hodnocení dat od jednoduchých testů až po metody využívající strojového učení. Jsou uvedeny také různé metriky a postup hodnocení úspěšnosti klasifikace. Třetí kapitola je věnována popisu vlastního řešení. Student popsal vybraný informační systém a uvedl jeho výhody. Dále popsal 3 anonimizované klinické studie, na kterých později testoval vlastní navržený systém detekce odlehlých záznamů. Na praktické ukázce představil postup načítání a předzpracování dat i převod nenumerických dat na numerické a jejich standardizaci. Dále je uvedena zmínka o způsobu použití metody k-means a určení prahu pro vyřazení záznamu ze studie. Pro ověření navrženého postupu student vygeneroval simulovaný datový soubor, na němž ukázal funkčnost navrženého systému. Tyto výsledky podpořil také grafickými výstupy. Dosažené výsledky u všech studií přehledně uvedl v kapitole 4. Uvedené v diskuzi popsal a řádně vyhodnotil včetně uvedení časové náročnosti přístupů, rizika automatického mazání neúplných záznamů a výsledné úspěšnosti klasifikace. V praktické části byla použita pouze metoda „modifikovaný k-means“, přičemž v teoretické části bylo uvedeno mnohem více metod. Zdůvodnění výběru právě této metody chybí. Dále porovnání z jinými existujícími přístupy by bylo vhodné. Předložená diplomová práce je po formální stránce na velmi dobré úrovni a splňuje všechny body zadání. Předložený text má logickou strukturu, správné formátování textu, používání odkazů na literaturu, odkazování na tabulky a grafy. Formátování literatury je nekonzistentní. Po pravopisné stránce nemohu text psaný slovensky posoudit. Zcela chybí v textu uvedení příloh a možné použití. Na základě výše uvedeného slovního hodnocení, hodnotím diplomovou práci stupněm B/85 bodů.
eVSKP id 110582