پیشبینی بیماری آلزایمر با استفاده از الگوریتم جنگل تصادفی

بیماری آلزایمر شایع ترین نوع زوال عقل است که به طور پیشرونده باعث کاهش عملکردهای شناختی و کیفیت زندگی بیماران می شود. تشخیص زودهنگام این بیماری می تواند فرصت های مداخله درمانی موثر را افزایش دهد. پژوهش حاضر با هدف طراحی و توسعه مدلی برای پیش بینی ابتلا به آلزایمر با بهره گیری از الگوریتم جنگل تصادفی (Random Forest) و با استفاده از داده های قابل دسترس در مناطق روستایی ایران انجام شد. داده های این تحقیق شامل متغیرهایی از قبیل سن، جنسیت، سطح تحصیلات، وضعیت تاهل، سطح درآمد، وضعیت اشتغال، فعالیت بدنی، مصرف دخانیات، سابقه خانوادگی آلزایمر، بیماری های مزمن و رژیم غذایی بودند. با بهره گیری از تکنیک های پیش پردازش، داده ها آماده سازی شدند و سپس مدل یادگیری ماشین مبتنی بر جنگل تصادفی آموزش داده شد. عملکرد مدل با استفاده از معیارهایی مانند دقت، حساسیت، ویژگی، AUC و امتیاز F۱ ارزیابی گردید. نتایج نشان داد که مدل توسعه یافته دارای دقت بالا و توان تفکیک مناسبی برای شناسایی افراد در معرض خطر ابتلا به آلزایمر است. همچنین تحلیل اهمیت ویژگی ها بیانگر نقش موثر عواملی چون سن، سطح تحصیلات، فعالیت بدنی و سابقه خانوادگی در پیش بینی ابتلا بود. مدل پیشنهادی می تواند به عنوان ابزاری کارآمد برای غربالگری اولیه و تصمیم گیری پزشکی در مناطق فاقد تجهیزات پیشرفته مورد استفاده قرار گیرد.

کلیدواژه ها:

آلزایمر ، یادگیری ماشین ، جنگل تصادفی ، پیش بینی ، سلامت روستایی ، داده های دموگرافیک