توظيف تقنيات تعلم الآلة لتحسين دقة التنبؤ بأمراض القلب والأوعية الدموية

تستعرض هذه الورقة البحثية نهجًا قائمًا على تعلم الآلة لتحسين تشخيص أمراض القلب والأوعية الدموية (CVD)، والتي تمثل أحد أبرز أسباب الوفيات عالميًا. يهدف البحث إلى تطوير نموذج تنبؤي دقيق يدعم الأطباء في اتخاذ قرارات سريرية أكثر فاعلية.

تم جمع البيانات من مستشفيين رئيسيين، حيث خضعت لمعالجة شاملة تضمنت تنظيف البيانات وتحليل المتغيرات الأساسية. تم توظيف خمسة نماذج تعلم آلي تشمل Random Forest, Logistic Regression, Decision Tree, Naïve Bayes، وSVM لتصنيف المرضى بناءً على مؤشراتهم السريرية. حقق نموذج Random Forest أفضل أداء بدقة 85.01%، بينما سجل Logistic Regression أعلى نسبة دقة بلغت 90%. تم تقييم النماذج باستخدام مصفوفة الالتباس (Confusion Matrix) ومنحنيات ROC، مما أكد كفاءة النماذج المقترحة في التنبؤ بالمخاطر الصحية.