المؤلفون:
عمر صادق سلمان، نور المعزّة عبد اللطيف، شريفة حفيظة سيد عارفين، عمر حسين سلمان
تاريخ النشر: 27 أبريل 2024
المجلة: مجلة إليكتريكا للهندسة الكهربائية
المجلد: 23
العدد: 1
الصفحات: 55–64
الوصف:
أدت الظروف البيئية الحالية وأنماط الحياة البشرية إلى ظهور العديد من الأمراض. ويشهد المجال الطبي إنتاج كميات هائلة من البيانات سنويًا، خاصة في مجال المراقبة الصحية عن بُعد للمرضى.
ونتيجة لهذا النمو الكبير في البيانات داخل قطاع الرعاية الصحية، أصبح تحليل البيانات الطبية بدقة أمرًا ضروريًا لتحسين الرعاية الصحية المبكرة. ومع ذلك، يواجه الأطباء صعوبات في تشخيص الأمراض بدقة، خصوصًا للمرضى البعيدين عن المستشفيات.
لذلك، برزت أهمية استخدام أنظمة المرضى عن بُعد (الطب عن بُعد)، خاصة في ظل تعقيد الحالات المزمنة. ومن ناحية أخرى، يُعد التنبؤ بالأمراض تحديًا بحد ذاته، مما يجعل الاعتماد على بيانات متنوعة وسريعة التدفق وموثوقة أمرًا أساسيًا لاتخاذ القرارات الطبية.
تهدف هذه الدراسة إلى استخدام تقنيات تعلم الآلة الخاضعة للإشراف للتنبؤ بالأمراض المزمنة مثل:
- أمراض القلب
- ارتفاع ضغط الدم
وذلك اعتمادًا على خصائص وأعراض المرضى من خلال تحليل البيانات التي يتم جمعها بواسطة الحساسات والمصادر المرتبطة بـ إنترنت الأشياء الطبية (IoMT).
كما تم تطبيق تقنيات تعلم الآلة في بيئات Hadoop وSpark لضمان دقة تصنيف المرضى المصابين بأمراض مزمنة.
تم تقييم النماذج باستخدام مجموعة بيانات تضم 55,680 سجلًا طبيًا، بهدف إيجاد أفضل توافق بين البيانات ونتائج التنبؤ بالأمراض.
النتائج:
أظهرت النتائج أن المنهجية المقترحة التي تعتمد على خوارزمية شجرة القرار (Decision Tree – DT) حققت دقة بلغت حوالي 94%، وتفوقت على باقي خوارزميات تعلم الآلة مثل:
- آلة الدعم الناقل (SVM)
- نايف بايز (NB)
- الغابة العشوائية (Random Forest)
- وغيرها
الخلاصة:
تؤكد الدراسة أن استخدام تعلم الآلة مع بيانات إنترنت الأشياء الطبية يمكن أن يُحسّن بشكل كبير من دقة التنبؤ بالأمراض المزمنة، مما يدعم اتخاذ قرارات طبية أفضل، خاصة في بيئات الطب عن بُعد.
عدد الاستشهادات:
تم الاستشهاد بهذا البحث 5 مرات