طراحی و ارزیابی یک مدل انسمبل یادگیری ماشین برای پیش بینی دیابت نوع ۲ با استفاده از داده های بالینی و آزمایشگاهی

دیابت نوع ۲ یکی از مهم ترین چالش های سلامت عمومی است که با افزایش شیوع جهانی، پیامدهای قلبی–عروقی، کلیوی و اقتصادی قابل توجهی را به همراه دارد. هدف پژوهش حاضر طراحی و ارزیابی یک مدل یادگیری ماشین انسمبلی برای پیش بینی ابتلا به دیابت نوع ۲ بر اساس داده های بالینی و آزمایشگاهی بود. داده ها شامل ۱۲۰۰ نمونه (۷۰۰ سالم و ۵۰۰ دیابتی) بودند که پس از حذف موارد ناقص و پرت، تحت فرآیندهای پیش پردازش شامل جایگزینی مقادیر گمشده با KNN، نرمال سازی، کدگذاری متغیرهای طبقه ای و تعادل کلاس ها با SMOTE قرار گرفتند. سه الگوریتم Logistic Regression، Random Forest و XGBoost آموزش داده شدند و سپس در قالب یک مدل انسمبل رای گیری وزنی ترکیب گردیدند. ارزیابی عملکرد با استفاده از معیارهای Accuracy، Precision، Recall، F۱-score و AUC-ROC انجام شد. نتایج نشان داد که مدل انسمبل با دقت %۹۳ و AUC=۰.۹۷ عملکرد بهتری نسبت به مدل های منفرد، به ویژه XGBoost (AUC=۰.۹۶) داشته است. تحلیل اهمیت ویژگی ها بیانگر نقش کلیدی HbA۱c و قند خون ناشتا (FBS) در پیش بینی بود و پس از آن BMI و فشارخون سیستولیک بیشترین اهمیت را داشتند. یافته ها نشان می دهند که ترکیب الگوریتم ها نه تنها دقت پیش بینی را افزایش داده بلکه قابلیت تفسیرپذیری مدل را نیز ارتقا داده است. این مدل می تواند به عنوان ابزار پشتیبان تصمیم گیری در محیط های بالینی و سامانه پرونده الکترونیک سلامت (EHR) مورد استفاده قرار گیرد. گسترش پژوهش به داده های چندمرکزی و طولی، و ادغام داده های ژنتیکی و پوشیدنی ها، از مسیرهای آتی توسعه مدل خواهد بود.

کلیدواژه ها:

دیابت نوع ۲ ، یادگیری ماشین ، انسمبل رای گیری وزنی ، HbA۱c ، AUC-ROC