الكشف المبكر عن مرض الكلى المزمن (CKD) باستخدام خوارزميات التعلم الآلي
الشريط الجانبي للمقالة
محتوى المقالة الرئيسي
الملخص
يمثل مرض الكلى المزمن (CKD) تحديًا صحيًا عالميًا كبيرًا، ويجب اكتشافه مبكرًاكونها حاسمة للعلاج والإدارة الفعالة. تبحث هذه الدراسة في تطبيق خوارزميات التعلم الآلي لتعزيز التشخيص المبكر لمرض الكلى المزمن. مجموعة بيانات من سجلات المرضى تم استخدامه لتقييم أداء نماذج التعلم الآلي المختلفة، بما في ذلك القرار الأشجار والغابات العشوائية وآلات المتجهات الداعمة (SVM). خضعت مجموعة البيانات إلى الإعداد المسبق التوقف لمعالجة القيم المفقودة والتطبيع لضمان الاتساق. اختيار الميزة تم استخدام التقنيات لتحديد السمات الأكثر صلة بالتنبؤ الدقيق. تشير النتائج إلى أن Random Forests حققت أعلى دقة تصل إلى 95% في الكشف عن مرض الكلى المزمن، التفوق على النماذج الأخرى. وكانت السمات الرئيسية مثل الكرياتينين في الدم وضغط الدم وجدت لتكون تنبؤات حاسمة لـ CKD. وتشير النتائج إلى أن خوارزميات التعلم الآلي، خاصة الغابات العشوائية، يمكن أن تحسن بشكل كبير الاكتشاف المبكر لمرض الكلى المزمن تقليل العبء على أنظمة الرعاية الصحية وتعزيز نتائج المرضى. هذا البحث يخدع يشيد بكمية المعرفة المتزايدة حول تطبيق الذكاء الاصطناعي في الرعاية الصحية ويوفر الأساس للدراسات المستقبلية حول النشر في العالم الحقيقي والتحقق السريري نماذج التعلم الآلي لتشخيص مرض الكلى المزمن.
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.