نظام توقع أمراض القلب باستخدام تعلم الآلة (Machine Learning)

اصبح الامر اسهل علي الاطباء ووفر كثير من الوقت مع توقع مخاطر أمراض القلب باستخدام تعلم الآلة تفاصيل المشروع: حولت البيانات الطبية المعقدة إلى أداة تنبؤ دقيقة تساعد في التشخيص المبكر لأمراض القلب. يهدف المشروع إلى تقديم حل تقني يقلل من مخاطر التأخر في اكتشاف الحالات الحرجة عبر تحليل المؤشرات الحيوية بدقة عالية. المهام المنفذة: - معالجة وتطهير البيانات الطبية الخام لضمان جودة المدخلات البرمجية. - إجراء هندسة الميزات (Feature Engineering) لتعزيز قدرة النموذج على التوقع. - استخدام تقنية PCA لتقليل أبعاد البيانات وتحسين كفاءة المعالجة. - تدريب ومقارنة عدة خوارزميات مثل SVM و Random Forest و Logistic Regression. - تطوير وتحسين نموذج XGBoost للوصول إلى أفضل أداء ممكن. - بناء واجهة مستخدم تفاعلية باستخدام Streamlit تتيح إدخال 13 معيارًا طبيًا والحصول على نتائج فورية. الأدوات والتقنيات: - لغة البرمجة Python. - مكتبات Scikit-Learn و Pandas و NumPy. - خوارزمية XGBoost المتقدمة. - إطار عمل Streamlit لتطوير تطبيقات الويب. النتائج المحققة: - حقق النموذج دقة إجمالية بنسبة 86.6% في التنبؤ بالحالات. - وصلت نسبة الاستدعاء (Recall) إلى 94.8% مما يضمن دقة عالية في اكتشاف الإصابات الفعلية. - بلغت قيمة F1-Score حوالي 89.6% مما يعكس توازنًا ممتازًا بين الدقة والحساسية. - إطلاق تطبيق ويب حي يسهل استخدامه من قبل غير المتخصصين في التقنية.