پیش بینی بروز دیابت با استفاده از سطوح آنزیمهای کبدی از طریق مدل شبکه عصبی بر پایه تصادفی سازی

هدف: دیابت به عنوان یکی از شایعترین بیماریهای متابولیک چالشهای عمده ای در حوزه سلامت عمومی و اقتصاد درمان ایجاد کرده است. در این مطالعه برای اولین بار از ترکیب شبکه عصبی بهینه شده و تکنیک تصادفی سازی برای پیش بینی زودهنگام دیابت با استفاده از سطوح آنزیمهای کبدی ALT و AST استفاده شده است. این رویکرد نوآورانه می تواند دقت پیش بینی را افزایش داده و راهکاری کم هزینه برای مدیریت پیشگیرانه بیماری ارائه دهد. روش ها: داده های مورد نیاز از یک پایگاه داده معتبر جمع آوری شد و پس از پیش پردازش دقیق و انتخاب هوشمند ویژگی ها، مدل شبکه عصبی با معماری بهینه شده طراحی گردید. تفاوت کلیدی این پژوهش، ادغام تکنیک تصادفی سازی در فرآیند یادگیری مدل بود که به کاهش خطا و افزایش تعمیم پذیری منجر شد. عملکرد مدل با معیارهای دقت، حساسیت ویژگی و F۱ ارزیابی شد. نتایج مدل پیشنهادی با دقت %۹۳.۴ و حساسیت ۹۱.۲% عملکردی برتر نسبت به روش های متداول نشان داد. تحلیل ها اثبات کرد که تصادفی سازی بهبود چشمگیری در پیش بینی ایجاد کرده و سطوح آنزیمهای کبدی را به نشانگرهای قابل اعتمادی برای تشخیص دیابت تبدیل می کند. نتیجه گیری: این پژوهش با معرفی یک چارچوب ترکیبی نوین (شبکه عصبی + تصادفی سازی)، گامی موثر در پیش بینی دیابت برداشته است. یافته ها تاکید می کنند که مدل ارائه شده نه تنها دقت تشخیص را افزایش می دهد، بلکه پتانسیل بالایی در کاهش هزینه های غربالگری و پیاده سازی برنامه های پیشگیرانه شخصی سازی شده دارد.

کلیدواژه ها:

دیابت ، آنزیمهای کبدی ، شبکه عصبی ، تصادفی سازی ، پیش بینی بیماری