Harnessing Statistical Analysis And Machine LearningOptimization For Heart Attack Prediction

هذا المستند عبارة عن دراسة بحثية تطبيقية في مجال علوم البيانات والذكاء الاصطناعي، تهدف إلى تصميم وتطوير نموذج تعلم آلي (Machine Learning) قادر على التنبؤ بخطر الإصابة بأمراض القلب. تعتمد الدراسة على تحليل البيانات السريرية للمرضى باستخدام تقنيات إحصائية وخوارزميات تعلم آلي لتعزيز دقة التشخيص المبكر ومساعدة الأطباء في اتخاذ قرارات أفضل.

أهم الميزات والنتائج

تتميز هذه الدراسة بمجموعة من الخصائص والنتائج الهامة، وأبرزها:

دقة تنبؤ عالية: حقق النموذج المُطور أداءً ممتازًا، حيث بلغت الدقة (Accuracy) 89%، كما وصلت قيمة المساحة تحت منحنى ROC (AUC) إلى 0.92، مما يدل على قدرة تمييزية ممتازة للنموذج في التفريق بين المرضى والأصحاء.

تحديد عوامل الخطر الرئيسية: لم تكتفِ الدراسة بالتنبؤ فقط، بل استخدمت خوارزمية الغابة العشوائية (Random Forest) لتحديد أهم العوامل السريرية التي تساهم في التنبؤ بأمراض القلب. وكانت أبرز هذه العوامل هي: نوع ألم الصدر (cp)، والحد الأقصى لمعدل ضربات القلب (thalach)، وعدد الأوعية الرئيسية الملونة بالتنظير (ca).

منهجية متكاملة: اتبعت الدراسة خطوات عمل واضحة ومنظمة، بدءًا من جمع البيانات ومعالجتها، مرورًا بالتحليل الاستكشافي، وانتهاءً ببناء النموذج وتقييمه بشكل شامل باستخدام مقاييس متعددة.