مدل سازی هوشمند خطر بلندمدت دیابت نوع ۲ با استفاده از یادگیری ماشین و شاخصه های خاص در گروه سنی خاص

دیابت نوع دو یکی از شایع ترین بیماری های متابولیک در دنیا است [۱۰] که در صورت عدم تشخیص زودهنگام، موجب بروز عوارض جدی قلبی–عروقی، کلیوی و عصبی می شود. به دلیل رشد روزافزون تعداد بیماران [۴] و تاثیر قابل توجه سبک زندگی بر بروز این بیماری، استفاده از روش های هوشمند مبتنی بر داده برای پیش بینی خطر دیابت اهمیت ویژه ای یافته است. پژوهش حاضر با هدف ارزیابی نقش "به روزرسانی تدریجی مدل های یادگیری ماشین بر بهبود دقت و حساسیت پیش بینی دیابت نوع دو" انجام گرفت.در این مطالعه، از پایگاه داده سلامت رفتاری BRFSS ۲۰۱۵ [۵] شامل بیش از ۲۵۰ هزار نمونه استفاده شد و پس از انجام پیش پردازش، چندین مدل یادگیری ماشین شامل رگرسیون لجستیک، جنگل تصادفی، گرادیان بوستینگ و XGBoost مورد ارزیابی قرار گرفتند. برای ارزیابی کارایی مدل ها، شاخص های دقت، حساسیت ، میانگین هندسی کلاس ها و مساحت زیر منحنی مورد تحلیل قرار گرفت. نتایج نشان داد که مدل گرادیان بوستینگ با به روزرسانی تدریجی بالاترین عملکرد را در پیش بینی کلاس دیابت داشته و در مقایسه با مدل های پایه، بیش از ۱۲درصد بهبود در حساسیت کلاس دیابت ایجاد کرده است. این یافته بیانگر آن است که "استفاده از یادگیری تدریجی" ، می تواند موجب افزایش توان مدل در تشخیص زودهنگام بیماران پرخطر شده و به عنوان ابزاری موثر در سیاست گذاری سلامت و غربالگری جمعیت سالم مورد استفاده قرار گیرد.

کلیدواژه ها:

به روزرسانی تدریجی ، پیش بینی دیابت نوع دو ، گرادیان بوستینگ ، هوش مصنوعی در سلامت ، یادگیری ماشین