تطبيق للتنبؤ بسرطان الثدي

هذا المشروع هو عبارة عن نظام متكامل للذكاء الاصطناعي يهدف إلى المساعدة في التشخيص المبكر لسرطان الثدي (تصنيف الأورام إلى خبيثة أو حميدة). تم بناء المشروع ليكون أداة دقيقة تعتمد على البيانات السريرية لتقليل الأخطاء البشرية وتسريع عملية اتخاذ القرار الطبي. لقد قمت في هذا المشروع بالآتي: تحليل ومعالجة البيانات (Data Preprocessing): قمت بتنظيف البيانات والتأكد من خلوها من القيم المفقودة. استخدمت تقنية StandardScaler لتوحيد مقاييس الميزات (Features) لضمان استقرار أداء الخوارزميات. واجهت مشكلة عدم توازن البيانات (Imbalanced Data) وقمت بحلها باستخدام تقنية SMOTE لتوليد عينات اصطناعية للفئة الأقل، مما جعل النموذج أكثر عدلاً ودقة في توقع الحالات المصابة. هندسة النماذج والمقارنة (Model Engineering): قمت بتجربة واختبار مجموعة واسعة من الخوارزميات القوية مثل: (Logistic Regression, Random Forest, XGBoost, CatBoost). استخدمت تقنية GridSearchCV لضبط المعاملات (Hyperparameter Tuning) للوصول إلى أقصى كفاءة ممكنة لكل نموذج. تطوير النموذج النهائي: بعد المقارنة الدقيقة، تم اختيار نموذج AdaBoost كخوارزمية أساسية للمشروع نظراً لتفوقها في الربط بين المصنفات الضعيفة لتكوين نموذج تنبؤ قوي ودقيق. النتائج التي تحققت: الدقة (Accuracy): حقق المشروع نسبة دقة عالية جداً، مما يجعله موثوقاً في تصنيف الحالات. تقليل المخاطر (False Negatives): نجحت في الوصول بالنموذج إلى أقل معدل ممكن من "السلبيات الكاذبة"، وهو أمر حيوي في المجال الطبي لضمان عدم تشخيص شخص مصاب على أنه سليم. تحليل العوامل المؤثرة: استخرجت أهم الميزات (Feature Importance) التي تؤثر في التشخيص، مما يساعد الأطباء على فهم العوامل السريرية الأكثر حرجاً. المخرجات النهائية: قمت بحفظ النموذج النهائي (breast_cancer_adaboost_final.pkl) وملف التقييس (scaler.pkl) ليكون المشروع جاهزاً للدمج المباشر في تطبيقات الويب أو الأنظمة الطبية البرمجية.