مروری تحلیلی بر کاربرد روشهای یادگیری ماشین در پیشبینی بیماریهای قلبی

بیماری های قلبی عروقی یکی از مهم ترین علل مرگ و میر در سراسر جهان به شمار می روند و تشخیص زودهنگام آنها نقش بسزایی در کاهش عوارض و هزینه های درمانی دارد. در سال های اخیر، پیشرفت های حاصل شده در حوزه هوش مصنوعی و به ویژه یادگیری ماشین زمینه ساز توسعه روش های نوین برای پیش بینی و تشخیص بیماری های قلبی شده است. هدف از این مقاله ارائه یک مرور تحلیلی بر پژوهش های انجام شده در زمینه کاربرد الگوریتم های یادگیری ماشین در پیش بینی بیماری های قلبی است. بدین منظور، مقالات معتبر منتشر شده در سال های اخیر مورد بررسی قرار گرفته و الگوریتم های مورد استفاده، نوع داده ها، معیارهای ارزیابی و نتایج حاصل از آنها تحلیل شده اند. نتایج این مرور نشان می دهد که الگوریتم هایی نظیر جنگل تصادفی، ماشین بردار پشتیبان و شبکه های عصبی مصنوعی در بسیاری از مطالعات عملکرد مطلوبی از نظر دقت و حساسیت ارائه داده اند. با این حال، چالش هایی مانند کیفیت داده ها، عدم توازن کلاس ها و تفسیرپذیری مدل ها همچنان پابرجاست. در پایان ضمن جمع بندی نتایج، مسیرهای پژوهشی آینده در جهت توسعه مدل های دقیق تر و قابل اعتمادتر پیشنهاد شده است.

کلیدواژه ها:

یادگیری ماشین ، بیماری های قلبی