خوارزميات التعلم الآلي للتنبؤ الطبي: دراسة مقارنة
DOI:
https://doi.org/10.6520/assktr68الكلمات المفتاحية:
التعلم الالي ، التنبؤ الطبي ، شبكة عصبية عميقة، تحليل الصور الطبية ، دعم القرار الطبيالملخص بالعربية
هدفت الدراسة الحالية إلى مقارنة منهجية لخوارزميات التعلم الآلي المعروفة في التنبؤ الطبي لكل مجال سريري. قارنت الدراسة بين مناهج التعلم الآلي المُشرف (الانحدار اللوجستي، وأشجار القرار، والغابات العشوائية، وآلات المتجهات الداعمة، وآلات تعزيز التدرج) والتعلم العميق، بما في ذلك الشبكات العصبية التلافيفية والمتكررة.
أشارت النتائج إلى أن الأمراض المزمنة، مثل أمراض القلب والسكري، أكثر قابلية للتنبؤ بها بشكل جيد باستخدام خوارزميات الغابات العشوائية وGBDT، بينما تُحقق الشبكات العصبية العميقة (DNNs) نتائج جيدة في تحليل الصور والإشارات الحيوية. كما لفت البحث الانتباه إلى ضرورة اختيار خوارزمية تعتمد على خصائص البيانات وتعقيدها، وعلى الحاجة إلى القدرة على فهم النتائج، وخاصةً للأغراض الطبية التي تتطلب قابلية التفسير.
قد يؤدي دمج خوارزميات التعلم العميق مع مناهج تقليل الأبعاد والتعلم غير المُشرف إلى نماذج تنبؤية أفضل وأكثر قابلية للتفسير، ويعزز قدرتنا على شرح هذه الخوارزميات، وخاصةً تلك المستخدمة في العيادات.
التنزيلات
