بهبود دقت مدلهای یادگیری ماشین برای تشخیص بیماری دیابت

دیابت یکی از شایع ترین بیماری های مزمن در جهان است که تشخیص زودهنگام آن نقش مهمی در پیشگیری از عوارض جدی، بهبود کیفیت زندگی بیماران و کاهش هزینه های درمانی دارد. با توجه به محدودیت های روش های سنتی تشخیص و چالش هایی نظیر پیچیدگی الگوهای داده های پزشکی و عدم توازن بین کلاس ها، استفاده از روش های پیشرفته یادگیری ماشین به عنوان ابزاری موثر برای توسعه سامانه های تشخیص هوشمند مورد توجه قرار گرفته است. در این پژوهش، یک چارچوب هوشمند برای تشخیص دیابت مبتنی بر مدل های یادگیری ماشین و مدل های ترکیبی (Ensemble) ارائه شده است. در این چارچوب، الگوریتم های XGBoost، Gradient Boosting و CatBoost به عنوان مدل های پایه و همچنین در قالب مدل های ترکیبی پیشنهادی مورد استفاده قرار گرفته اند. به منظور مقابله با مسئله عدم توازن داده ها، از روش SMOTE صرفا در مرحله آموزش استفاده شده است تا از بروز سوگیری در فرآیند ارزیابی جلوگیری شود. علاوه بر این، بهینه سازی ابرپارامترهای مدل ها با بهره گیری از روش های هوشمند شامل Optuna و الگوریتم ژنتیک انجام شده است؛ به گونه ای که بازه جست وجوی ابرپارامترها به صورت دقیق، هدفمند و متناسب با ماهیت داده ها تنظیم شده و فرآیند دستیابی به مقادیر بهینه با کارایی بالاتری صورت پذیرفته است. عملکرد مدل های پیشنهادی بر روی دو مجموعه داده Pima Indians Diabetes و Tigga و تحت سناریوهای مختلف تقسیم داده و روش های اعتبارسنجی متقابل مورد ارزیابی قرار گرفته است. برای سنجش کارایی مدل ها، از معیارهای Accuracy، Precision، Recall، F1-score و ROC-AUC استفاده شده است. نتایج تجربی نشان می دهد که چارچوب پیشنهادی عملکردی پایدار و قابل اعتماد ارائه می دهد؛ به طوری که بیشترین دقت به دست آمده برای مجموعه داده Pima برابر با 87٪ و برای مجموعه داده Tigga برابر با 96٫83٪ بوده است. همچنین در برخی سناریوهای ارزیابی بر روی مجموعه داده Tigga، مدل پیشنهادی موفق به دستیابی به Precision برابر با 100٪ و ROC-AUC معادل 98٪ شده است که بیانگر توان بالای مدل در تفکیک دقیق بیماران دیابتی از افراد سالم و اهمیت آن در کاربردهای حساس پزشکی است. نتایج به دست آمده نشان می دهد که روش پیشنهادی در مقایسه با روش های استاندارد و مطالعات به روز مرتبط، بهبودی در حدود 1 تا 4 درصد در دقت تشخیص ایجاد کرده و علاوه بر افزایش کارایی، از سرعت بالاتر در فرآیند یادگیری و نیاز به حجم کمتری از داده های آموزشی برخوردار است که این امر با تکیه بر روش های آماری و بهینه سازی هوشمند نوین محقق شده است.

کلیدواژه ها:

مدل های ترکیبی ، داده های نامتوازن ، SMOTE ، تشخیص هوشمند بیماری