نموزج ذكاء اصطناعي لاكتشاف تسمم الدم

قمت بتطوير نظام يعتمد على تقنيات تعلم الآلة للتنبؤ المبكر بحالات تسمم الدم (Sepsis)، بهدف المساعدة في اتخاذ قرار طبي أسرع وتقليل معدلات الخطورة.

? هدف المشروع

بناء نموذج ذكاء اصطناعي قادر على:

التنبؤ بإصابة المريض بتسمم الدم في مرحلة مبكرة

تقليل نسبة الأخطاء التشخيصية

تحسين دقة القرارات الطبية بناءً على البيانات

? مراحل تنفيذ المشروع

1️⃣ تحليل البيانات (EDA)

دراسة توزيع المتغيرات الحيوية

تحليل عدم توازن الفئات (Imbalanced Data)

فحص القيم المفقودة ومعالجتها

تحليل العلاقات بين المتغيرات

2️⃣ معالجة البيانات (Preprocessing)

التعامل مع Missing Values

Feature Scaling

معالجة مشكلة عدم التوازن باستخدام تقنيات مناسبة

اختيار أهم الخصائص المؤثرة على التنبؤ

3️⃣ بناء النماذج

تم تجربة أكثر من نموذج:

Logistic Regression

Random Forest

XGBoost

مع ضبط المعاملات باستخدام Grid Search لتحسين Precision و Recall.

? تقييم الأداء

نظرًا لطبيعة المجال الطبي، كان التركيز على:

Recall لتقليل الحالات التي يتم تفويتها

Precision لتقليل الإنذارات الكاذبة

F1-Score لموازنة الأداء

تم تحسين النموذج لتحقيق توازن بين الحساسية والدقة بما يتناسب مع الاستخدام الطبي.

? الأدوات المستخدمة

Python

Pandas & NumPy

Scikit-learn

XGBoost

Matplotlib / Plotly

? القيمة العملية للمشروع

يساعد هذا النظام في:

دعم الأطباء بقرار مبني على البيانات

تقليل احتمالية تأخر التشخيص

تحسين جودة الرعاية الصحية باستخدام الذكاء الاصطناعي