ҚАНТ ДИАБЕТІН АНЫҚТАУДА МАШИНАЛЫҚ ОҚЫТУ АЛГОРИТІМДЕРІН ҚОЛДАНЫЛУ

Abstract

Медициналық салада машиналық оқыту алгоритмдерін пайдалану, әсіресе аурудың дамуын болжауда, асқынуларды анықтауда және клиникалық шешім қабылдауға көмектесуде айтарлықтай тартымдылыққа ие болды. Бұл зерттеу пациенттің медициналық жазбаларынан алынған ауқымды деректер жиынтығын пайдалана отырып, қант диабетінің болуын болжау үшін әртүрлі машиналық оқыту әдістерін қолдануды зерттейді. Деректер жинағы жіктеу процесіне ықпал ететін маңызды медициналық көрсеткіштерді қамтиды.

Деректерді алдын ала өңдеу жетіспейтін мәндерді шешуді, деректерді қалыпқа келтіруді және оларды оқыту және тестілеу жиындарына бөлуді қамтиды. Зерттеу бес түрлі алгоритмнің тиімділігін бағалайды: логистикалық регрессия, шешім ағашы, кездейсоқ орман, тірек векторлық машина (SVM) және k-ең жақын көршілері (KNN), қант диабетін болжау үшін ең тиімді үлгіні анықтау. Әр алгоритмнің болжамды дәлдігі мен сенімділігін бағалау үшін өнімділік көрсеткіштері қолданылды.

Нәтижелер KNN қант диабетінің оң және теріс жағдайларын тиімді ажырата отырып, жоғары өнімділікті көрсететінін көрсетеді. Керісінше, логистикалық регрессия мақтауға тұрарлық жалпы тиімділікті көрсетті, ал шешім ағашының алгоритмі сенімділіктегі шектеулерді анықтады. Кездейсоқ орман және SVM үлгілері қанағаттанарлық нәтижелер берді; дегенмен, олар белгілі бір контексттерде нақты шектеулерді ұсынды. Бұл зерттеу қант диабетін диагностикалауда машиналық оқыту алгоритмдерінің әлеуетін көрсетеді, клиникалық сценарийлерге бейімделген алгоритмді таңдаудың маңыздылығын көрсетеді. Болашақ зерттеулер деректердің тұтастығын жақсартуға, алгоритмдік тәсілдерді нақтылауға және гиперпараметрлерді оңтайландыруға, осылайша болжау дәлдігін арттыруға бағытталуы керек. Мұндай жетістіктер қант диабетін диагностикалауды айтарлықтай жақсартуға және науқасты уақтылы анықтауды жеңілдетуге дайын.