Классификация данных в системе принятия решений для профилактики сахарного диабета 2-го типа на основе методов машинного обучения

Информационные технологии

Abstract

Согласно статистике Всемирной организации здравоохранения, более трети взрослого населения имеют симптомы развития болезни сахарного диабета 2-го типа (СД2Т). Научные достижения в информационно-телекоммуникационных технологиях, развитие технологий IoT (Intertnet of Things) и широкое применение методов искусственного интеллекта (ИИ) предоставляют огромные возможности для внедрения телемедицины в области здравоохранения.
В статье представлены экспериментальные результаты классификации медицинских данных для раннего выявления и предотвращения возможности возникновения СД2Т в системе принятия решений с использованием методов машинного обучения и интеллектуального анализа данных. Рассмотрена архитектура “умной” (smart) автоматизированной системы принятия медицинских решений для профилактики болезни СД2Т, которая разработана для выявления лиц, входящих в группу риска возможного развития данной болезни (prediabetes).
Проведен сравнительный анализ критериев эффективности работы рассмотренных методов ИИ для профилактики болезни СД2Т и оцениваются производительности следующих методов машинного обучения: метод опорных векторов (Support Vector Ma-chine (SVM)), нейронные сети (Neural Networks (NNs)), логистическая регрессия (Lo-gistic regression (LR)), наивный байесовский метод (Naпve Bayes (NBs)), случайный лес (Random Forest (RF)), деревья принятия решений (Decision Trees (DTs)) и метод к-ближайших соседей (k-Nearest Neighbors (K-NNs)). Рассматриваются различные показатели эффективности методов: Accuracy, F-score, Precision, Recall и ROC Area. Важным аспектом исследования является использование различных критериев эффективности для оценки методов машинного обучения с целью раннего выявления и предотвращения СД2Т. Исследование показало возможность получения высокой точности при анализе медицинских данных методами SVM, LR, NNs и RF.