مروری بر کاربرد الگوریتمهای یادگیری ماشین در پیش بینی بیماری های مزمن

بیماری های مزمن به عنوان یکی از چالش های اصلی نظام های سلامت در سراسر جهان شناخته می شوند. تشخیص زودهنگام این بیماری ها نقش بسزایی در کاهش عوارض، بهبود کیفیت زندگی بیماران و کاهش هزینه های درمانی دارد. در سال های اخیر، الگوریتم های یادگیری ماشین به عنوان ابزاری قدرتمند در پیش بینی و تشخیص زودهنگام بیماری های مزمن مورد توجه پژوهشگران قرار گرفته اند. مقاله ی حاضر با رویکردی توصیفی-تحلیلی به مرور کاربرد این الگوریتم ها با تاکید ویژه بر بیماری سلیاک می پردازد و یافته های مطالعات اخیر را به صورت نظام مند بررسی می کند. دامنه ی پژوهش، افزون بر بیماری سلیاک، طیفی از بیماری های مزمن دیگر از جمله بیماری های قلبی عروقی، دیابت، سرطان، بیماری های کبدی و اختلالات عصبی را نیز در بر می گیرد. در این مرور خلاصه ای سطح بالا از تحقیقات پیشین در زمینه ی رویکردهای مبتنی بر یادگیری ماشین برای پیش بینی بیماری سلیاک ارائه شده و نمونه هایی از کاربردهای عملی این رویکردها به همراه تحلیل آنها مورد بررسی قرار گرفته است. برای جمع بندی نتایج حاصل از مطالعات گوناگون روش های به کار رفته و ابزارهای مورد استفاده ی محققان به صورت تطبیقی مقایسه شده اند تا تصویری جامع از وضعیت فعلی تحقیقات در این حوزه ترسیم شود.

کلیدواژه ها:

یادگیری ماشین ، هوش مصنوعی ، پیشگیری از بیماری های مزمن ، بیماری سرطان ، بیماری دیابت ، بیماری های قلبی