تجزیه و تحلیل رویکرد الگوریتم های طبقه بندی داده کاوی برای پیش بینی بیماری قلبی

بیماریهای قلبی از جمله علل شایع مرگ و میر در کشور میباشد که به دلیل تأثیر مستقیم آن بر سلامتی انسان، در پژوهش های پزشکی توجه فراوانی به آن دارند. طبق گزارش های سازمان بهداشت جهانی، هر ساله ۱۷٫۵ میلیون نفر به دلیل بیماریهای قلبی در حال مرگ هستند. یکی از مشکلات شایع در مراکز درمانی این است که همه متخصصان دانش و مهارت یکسان برای معالجه بیماران خود ندارند، در نتیجه تصمیم آنها ممکن است نتایج ضعیفی به همراه داشته باشد و بیماران را به سمت مرگ سوق دهد. شناسایی احتمال ابتلا به بیماری قلبی در فرد، یک فرآیند پیچیده برای پزشکان است زیرا نیاز به سالها تجربه و انجام آزمایشات پزشکی دارد. داده کاوی پتانسیل بسیار خوبی برای کاوش الگوهای پنهان در مجموعه داده های استاندارد جمع آوری شده در بخش پزشکی دارد. از این الگوها می توان برای انجام تشخیص بالینی استفاده کرد. در این پژوهش به سه الگوریتم طبقه بندی داده کاوی (شبکه عصبی مصنوعی، بیزی ساده و رگرسیون لجستیک) پرداخته شده و از آنها برای تهیه یک مدل پیش بینی به منظور تجزیه و تحلیل احتمال ابتلا به بیماری قلبی استفاده شده است. هدف اصلی این پژوهش مقایسه الگوریتمهای طبقه بندی در داده کاوی و شناسایی بهترین الگوریتم با حداکثر دقت برای ایجاد یک مدل پیش بینی خطر ابتلا به بیماری قلبی می باشد. در این مطالعه، مدل شبکه عصبی مصنوعی بهترین نتایج پیش بینی ۹۳% را به دست آورد. مطالعات مانند این واقعیت را نشان میدهد که پیش بینی دقیق و درک بهتر فرآیندهای پیچیده پزشکی به طور بالقوه می تواند منجر به نتایج مطلوب و استفاده بهینه از منابع مراقبت های بهداشتی شود.

کلیدواژه ها:

بیماری قلبی داده کاوی ، الگوریتم های طبقه بندی ، پیش بینی ، ارزیابی