ارائه یک چارچوب بهینه یادگیری ماشین مبتنی بر متعادل سازی داده و انتخاب ویژگی برای پیش بینی ویروس هپاتیت C

ویروس هپاتیت C یکی از مهمترین عوامل بروز بیماری های مزمن کبدی است که تشخیص زودهنگام آن نقش تعیین کننده ای در کاهش عوارض بالینی و مرگ ومیر دارد. با توجه به ماهیت پنهان علائم اولیه و پیچیدگی داده های آزمایشگاهی بهره گیری از روش های هوشمند می تواند دقت فرآیند پیش بینی را به طور قابل توجهی بهبود دهد. هدف این پژوهش ارائه یک چارچوب بهینه یادگیری ماشین برای پیش بینی ویروس هپاتیت C با تمرکز بر متعادل سازی داده ها و انتخاب ویژگی های موثر است. این مطالعه از نوع پژوهش های کاربردی تجربی بوده و بر روی یک مجموعه داده بالینی شامل ۶۱۵ نمونه ثبت شده بیماران انجام شده است که از یک پایگاه داده معتبر پزشکی گردآوری گردید و نمونه ها به صورت کل شمار مورد استفاده قرار گرفتند. در مرحله پیش پردازش داده های ناقص، اصلاح ویژگی ها، نرمال سازی و داده های پرت حذف شدند سپس عدم توازن کلاس ها با استفاده از تکنیک تولید نمونه مصنوعی اقلیت (Synthetic Minority Over-sampling Technique) برطرف گردید. به منظور انتخاب ویژگی های کلیدی از الگوریتم تقویت گرادیان افراطی (Extreme Gradient Boosting) استفاده شد و در نهایت عملکرد الگوریتم های جنگل تصادفی، درخت تصمیم، نزدیک ترین همسایه و پرسپترون چندلایه مورد ارزیابی قرار گرفت. تحلیل داده ها بر اساس معیارهای دقت، صحت، یادآوری، امتیاز F۱ و ROC انجام شد. نتایج نشان داد که چارچوب پیشنهادی قادر به دستیابی به دقت پیش بینی بوده و مقادیر بالای صحت، یادآوری و امتیاز F۱ را در تمامی نسبت های آموزش و آزمون حفظ کرده است به گونه ای که الگوریتم جنگل تصادفی بالاترین عملکرد را در مقایسه با سایر روش ها ارائه داد. در مجموع یافته های این پژوهش نشان می دهد که چارچوب پیشنهادی از نظر کمی و کیفی عملکردی قابل اعتماد دارد و می تواند به عنوان یک ابزار پشتیبان تصمیم گیری دقیق در تشخیص زودهنگام ویروس هپاتیت C و بهبود مدیریت بالینی بیماران مورد استفاده قرار گیرد.

کلیدواژه ها:

ویروس هپاتیت C ، یادگیری ماشین ، انتخاب ویژگی ، متعادل سازی داده ها