بهبود تشخیص دیابت با استفاده از الگوریتم های یادگیری ماشین: یک رویکرد مبتنی بر داده های پزشکی و جمعیت شناختی

دیابت، به عنوان یکی از مهم ترین بیماری های مزمن در جهان، با افزایش سطح گلوکز خون و نقص عملکرد انسولین همراه است و به سه نوع اصلی: دیابت نوع ۱، دیابت نوع ۲ و دیابت بارداری تقسیم می شود. دیابت نوع ۲، که شایع ترین نوع است، معمولا با سبک زندگی و عوامل تغذیه ای مرتبط است و با توجه به افزایش شیوع آن، بهبود روش های تشخیص و مدیریت آن اهمیت فراوانی دارد.در این پژوهش، از تکنیک های یادگیری ماشین برای پیش بینی دیابت با استفاده از داده های پزشکی و جمعیت شناختی صد هزار بیمار استفاده شده است. با ارزیابی چندین الگوریتم یادگیری ماشین، نتایج نشان داد که الگوریتم درخت تصمیم با دقت ۹۷ درصد بهترین عملکرد را در پیش بینی ابتلا به دیابت داشته است. این نتایج نشان دهنده قدرت و کارایی بالای تکنیک های یادگیری ماشین در بهبود تشخیص و درمان دیابت است. ادغام این روش ها در سیستم های بهداشتی می تواند به تصمیم گیری های دقیق تر و ارائه مراقبت های بهداشتی با کیفیت بالاتر برای بیماران کمک کند.

کلیدواژه ها:

یادگیری ماشین ، دیابت ، هوش مصنوعی در پزشکی ، الگوریتم درخت تصمیم ، تشخیص بیماری