Stroke Risk Prediction with Machine Learning

مشروع تنبؤ خطر الإصابة بالسكتة الدماغية هو نظام تعلم آلي يهدف إلى التنبؤ بإمكانية وقوع السكتة بناءً على بيانات سريرية وديموغرافية مثل العمر، مؤشر كتلة الجسم، مستوى الجلوكوز، وحالة التدخين. يُستخدم هذا النظام لخدمة الكشف المبكر ودعم اتخاذ القرارات الوقائية في الرعاية الصحية، من خلال تحقيق نسبة تمييز عالية بين الحالات المعرضة للخطر.

يعتمد المشروع على خوارزمية XGBoost، مع معالجة مشكلة اختلال توازن البيانات باستخدام تقنية SMOTE، كما يقارن بين عدة نماذج معيارية لضمان أفضل أداء. تم تقييم أداء النماذج باستخدام مقاييس الدقة، الاستدعاء، F1، ومنحنى ROC-AUC، وكان نموذج XGBoost هو الأفضل بنسبة استدعاء 94% وAUC بمقدار 0.87.

تحدد تحليلات أهمية الميزات أن العمر، متوسط مستوى الجلوكوز، مؤشر كتلة الجسم، نوع العمل، وحالة التدخين هي عوامل الخطر الأكثر تأثيرًا في التنبؤ بالسكتة الدماغية.

يضم المشروع كامل دورة بناء نموذج تعلم آلي متكامل من تنظيف البيانات وترميزها، مروراً بالتدريب والتحسين، وانتهاءً بالنشر والتصورات البصرية الداعمة لاتخاذ القرار.

هذا النظام يعد أداة دعم مساعدة ولا يغني عن التشخيص الطبي الرسمي لكنه يقدم قيمة مضافة في مجال الوقاية والرعاية الصحية.