МЕДИЦИНАЛЫҚ ДИАГНОСТИКА МІНДЕТТЕРІНДЕГІ ГЛЮКОМЕТРЛЕР МЕН ГЕМАТОЛОГИЯЛЫҚ АНАЛИЗАТОРЛАРДЫҢ ДЕРЕКТЕРІН ТАЛДАУҒА АРНАЛҒАН МАШИНАЛЫҚ ОҚЫТУ МОДЕЛЬДЕРІ

Аңдатпа

Қант диабеті мен анемиямен сырқаттанушылықтың жаһандық өсуі жағдайында осы жағдайларды ерте диагностикалау және үздіксіз бақылау үшін заманауи, дәл және масштабталатын құралдарды әзірлеу қажеттілігі артып келеді. Осы зерттеудің мақсаты қант диабеті мен анемияның даму қаупін автоматтандырылған жіктеу және бағалау үшін машиналық оқыту алгоритмдерімен заманауи экспресс-глюкометрлерден, гематологиялық және биохимиялық анализаторлардан алынған деректерді интеграциялау тәсілін әзірлеу болып табылады. Мақалада глюкоза, гликатталған гемоглобин (HbA1c), ферритин, гематокрит, MCV, MCH, MCHC және басқа биомаркерлердің көрсеткіштерін қоса алғанда, медициналық құрылғылардан жиналған деректер қолданылады. Деректер стандартталған, өңделген және машиналық оқыту үлгілерін оқыту және сынау үшін пайдаланылды: DecisionTree, RandomForest, AdaBoost, ExtraTrees, GradientBoosting, сондай-ақ логистикалық регрессия, SVM және XGBoost. Сонымен қатар, feature importance және SHAP сияқты модельдерді түсіндіру әдістері қолданылды. Нәтижелер гиперпараметрлерді алдын ала конфигурациялаумен GradientBoosting моделін пайдалану кезінде ең жақсы көрсеткіштерге (0.92 дәлдігі, F1-0.91 көрсеткіші) қол жеткізілгенін көрсетті. Модель сонымен қатар жоғары төзімділік пен интерпретацияны көрсетті, бұл клиникалық тәжірибеде қолдану үшін өте маңызды. Мұндай жүйені енгізу диагностиканың тиімділігін едәуір арттырады, медициналық персоналға жүктемені азайтады және пациенттерді бақылаудың жеке тәсілін қамтамасыз етеді.  Зерттеу зертханалық диагностика міндеттерінде АИ қолданудың жоғары перспективасын растайды және медициналық құрылғыларды интеллектуалды аналитикалық платформалармен одан әрі интеграциялау қажеттілігін көрсетеді.