پیش بینی بیماری های قلبی با استفاده از الگوریتم و هوش مصنوعی

حملات قلبی یکی از عوامل مهم مرگومیر در جهان هستند. پیش بینی و پیشگیری از این امر یک ضرورت اساسی برای بهبود بهداشت و درمان است . لذا برای این پیش بینی باید از الگوریتم ها و مدلهایی 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 . نتایج این تحقیق نشان داد که SHAP به عنوان یک روش هوش مصنوعی قابل توضیح می تواند به دقت همبستگی بین متغیرها را ارزیابی کند و تاثیر هر رکورد خصوصیات بیماری قلبی را در تشخیص حمله قلبی نشان دهد . مقدار SHAP نشان داد که درد قفسه سینه بیشترین تاثیر را در احتمال رخداد حمله قلبی دارد. ارزیابی مدلسازی نشان داد که XGBoost می تواند نتایج گستردهای برای پیش بینی احتمال حمله قلبی ارائه دهد. دقت مدل پیش بینی برای پیش بینی بیماری قلبی بود. دقت تخمین XGBoost بر اساس تحلیل های آماری از شبکه های عصبی ، ماشین بردار پشتیبان و جنگل تصادفی بالاتر بود. نتایج بدست آمده توسط SHAP-XGBoost نشان می دهد که این روش مدلسازی می تواند به طور موثر برای تشخیص بیماری های قلبی و پیشگیری از حملات قلبی مورد استفاده قرار گیرد.

کلیدواژه ها:

الگوریتم ، هوش مصنوعی ، بیماری قلبی