Alzheimer’s Disease Prediction & Interactive Power BI Dashboard

مشروع تحليل بيانات كامل لـ 2,149 مريض: بداية من تنضيف الداتا، لحد بناء موديل ذكاء اصطناعي يتنبأ بالإصابة بالزهايمر، وداشبورد تفاعلي بيعرض النتايج.

1) تجهيز البيانات

فحصت الداتا (قيم ناقصة، تكرار) وشلت الأعمدة اللي ملهاش قيمة تحليلية.

أضفت 5 مؤشرات جديدة، منها ضغط النبض، نسبة الكوليسترول، وعدد الأمراض المصاحبة وعدد الأعراض الإدراكية.

2) بناء موديل Machine Learning

قسمت الداتا (80% تدريب / 20% اختبار) قبل أي معالجة، عشان النتايج تبقى حقيقية.

جربت 7 موديلات: Logistic Regression وRandom Forest وXGBoost وLightGBM وCatBoost وHistGB، وكمان Stacking Ensemble بيجمعهم.

ظبطت الإعدادات بـ Optuna، وقيّمت بـ 5-Fold Cross-Validation.

أفضل موديل (CatBoost) وصل لدقة 94% و ROC-AUC = 0.95 على بيانات الاختبار، وفحصت الـ Overfitting بـ Learning Curve.

استخدمت SHAP عشان أوضح أكتر العوامل تأثيرًا على التشخيص.

اختبرت الموديل من غير أهم 5 أعمدة (اختبارات الإدراك والأعراض) عشان أعرف مدى اعتماده عليها.

3) داشبورد Power BI (3 صفحات)

Home: صفحة رئيسية.

Risk & Demographics: نسب الإصابة حسب العمر والجنس والعِرق والتعليم ومؤشر كتلة الجسم، مع KPIs لأعلى فئة خطورة وفلاتر تفاعلية.

Clinical & Symptom Insights: تحليل MMSE وADL والتاريخ العائلي والأمراض المصاحبة والأعراض.

الأدوات: Python, Pandas, Scikit-learn, XGBoost, LightGBM, CatBoost, Optuna, SHAP, Power BI.