پیش بینی خطر ابتلا به بیماری های قلبی-عروقی با استفاده از الگوریتم های یادگیری ماشین: یک مطالعه تطبیقی

بیماری های قلبی- عروقی به عنوان یکی از اصلی ترین علل مرگ ومیر در جهان، بار سنگینی را بر نظام های سلامت تحمیل می کنند و تشخیص زودهنگام آن ها برای مدیریت موثر بیماری حیاتی است. این پژوهش با هدف ارزیابی و مقایسه کارایی الگوریتم های کلاسیک یادگیری ماشین برای پیش بینی ریسک ابتلا به این بیماری ها انجام شده است. در این مطالعه کاربردی-تجربی، از مجموعه داده «بیماری قلبی کلیولند از مخزن UCI استفاده شد. سه الگوریتم ماشین بردار پشتیبان ، درخت تصمیم و نزدیک ترین همسایه با استفاده از نرم افزار MATLAB پیاده سازی و عملکرد آن ها با معیارهای دقت، حساسیت و ویژگی مورد ارزیابی قرار گرفت. نتایج نشان داد که الگوریتم ماشین بردار پشتیبان با دستیابی به دقت ۸۸.۱٪ و حساسیت ۸۹.۲٪، عملکرد برتری نسبت به دو مدل دیگر از خود به نمایش گذاشت. این یافته ها پتانسیل بالای مدل ماشین بردار پشتیبان را به عنوان یک ابزار دقیق، قابل اعتماد و محاسباتی بهینه برای غربالگری و شناسایی افراد در معرض خطر ابتلا به این بیماریها تایید می کند. مدل پیشنهادی می تواند به عنوان یک سیستم پشتیبان تصمیم گیری بالینی در پلتفرم های سلامت دیجیتال ادغام شده و به پیشگیری و مدیریت به موقع بیماری کمک شایانی نماید.

کلیدواژه ها:

سلامت دیجیتال ، یادگیری ماشین ، بیماری های قلبی-عروقی ، ماشین بردار پشتیبان ، پیش بینی ریسک