stroke ML

مشروع التنبؤ بالإصابة بالسكتة الدماغية (Stroke Prediction) باستخدام Machine Learning

قمت بتطوير نموذج ذكاء اصطناعي للتنبؤ باحتمالية الإصابة بالسكتة الدماغية اعتمادًا على بيانات طبية تشمل عوامل الخطر مثل العمر، ضغط الدم، مؤشر كتلة الجسم، التاريخ المرضي، ونمط الحياة.

هدف المشروع

بناء نظام تنبؤي يساعد في الكشف المبكر عن احتمالية الإصابة بالسكتة الدماغية لدعم اتخاذ القرار الطبي وتقليل المخاطر المستقبلية.

مراحل تنفيذ المشروع

تحليل البيانات واستكشافها (EDA)

التعامل مع القيم المفقودة

معالجة مشكلة عدم توازن البيانات (Imbalanced Data)

Encoding للمتغيرات الفئوية

Feature Scaling

تقسيم البيانات إلى Train / Test

تجربة عدة خوارزميات Machine Learning

تقييم الأداء باستخدام:

Accuracy

Precision

Recall

F1-Score

ROC-AUC

PR-AUC

Balanced Accuracy

النماذج التي تم اختبارها

Logistic Regression

Random Forest

XGBoost

LightGBM

CatBoost

SVM

KNN

Gradient Boosting

النتائج

تم اختيار أفضل نموذج بناءً على قدرته على تحقيق توازن بين:

تقليل False Negatives (مهم جدًا في الحالات الطبية)

الحفاظ على Recall مرتفع

تحقيق ROC-AUC قوي يعكس جودة التنبؤ

حقق النموذج الأفضل أداءً قويًا في التعميم على بيانات الاختبار، مما يجعله مناسبًا للاستخدام كنظام دعم قرار طبي.

القيمة المضافة

معالجة احترافية لمشكلة عدم توازن البيانات

مقارنة شاملة بين عدة نماذج

تحليل أداء مفصل

اختيار النموذج الأنسب طبيًا وليس فقط الأعلى Accuracy

كود منظم وقابل للتطوير