ائه یک روش تشخیص بیماری مزمن کلیوی با بهره گیری از الگوریتم های SHAP و XGBoost

بیماری مزمن کلیوی یکی از عوامل مهم مرگ و میر در جهان است. پیش بینی و پیشگیری از این امر ضرورت اساسی برای بهبود بهداشت و درمان می باشد. لذا برای این پیش بینی باید از الگوریتم ها و مدل هایی بهره برد که دارای کمترین خطا و بیشترین دقت و اطمینان باشند. یادگیری ماشین زمانی که در مراقبت های بهداشتی بکار می رود قادر به تشخیص زود هنگام و دقیق بیماری است. تشخیص بیماری از روی ویژگی های مختلف و جلوگیری از تشدید بیماری یکی از مهم ترین کاربردهای داده کاوی و کشف دانش در بیماران کلیوی است. در این مقاله سعی شده است با ارائه روشی تفسیرپذیر و دقیق و مقایسه آن با روش های پیشین، بیماری مزمن کلیوی را تشخیص و مهم ترین ویژگی های تاثیرگذار در این بیماری را توسط مدل تعیین کرد. بدین منظور از الگوریتم XGBoost به منظور پیش بینی بیماری مزمن کلیوی استفاده شده است و خروجی مدل با استفاده از الگوریتم SHAP تفسیر شده است. از مزایای روش پیشنهادی، می توان به کارایی و دقت بالا و تفسیرپذیری خروجی ها اشاره کرد

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، تشخیص پزشکی ، بیماری مزمن کلیوی