DOI: https://doi.org/10.36948/ijfmr.2026.v08i01.69115
تاريخ النشر: 2026-02-17
المؤلف: Sujit Maity
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية
نظرة عامة
تقدم هذه الورقة البحثية إطار عمل لتعلم الآلة تحت إشراف يهدف إلى تعزيز تحديد أمراض القلب، باستخدام مجموعة بيانات أمراض القلب في كليفلاند من مستودع تعلم الآلة UCI. تقوم الدراسة بتقييم منهجي لستة خوارزميات تصنيف—الانحدار اللوجستي، أقرب الجيران (KNN)، بايزي الساذج، شجرة القرار، آلة الدعم الناقل (SVM)، وغابة عشوائية—باستخدام التحقق المتقاطع الطبقي. تشير النتائج إلى أن مصنف الغابة العشوائية يتفوق على الآخرين، محققًا دقة تصل إلى 87% مع حساسية وخصوصية قوية. يتم التحقق من أداء النموذج من خلال تحليل مصفوفة الارتباك، منحنيات خصائص التشغيل المستقبلية (ROC)، تقييمات الدقة والاسترجاع، واختبارات الأهمية الإحصائية (p < 0.05). بالإضافة إلى ذلك، يعزز تحليل أهمية الميزات من قابلية تفسير النموذج من خلال تحديد المتنبئات ذات الصلة سريريًا. تؤكد الدراسة على إمكانيات الإطار المقترح كأداة دعم قرار في أنظمة الرعاية الصحية الرقمية، داعية لاستخدامه جنبًا إلى جنب مع الخبرة السريرية بدلاً من أن يكون بديلاً. تشمل اتجاهات البحث المستقبلية دمج الإطار في منصات الويب والهواتف المحمولة لتقييم المخاطر في الوقت الحقيقي، ودمج بيانات مراقبة المرضى الديناميكية، واستكشاف تقنيات تعلم الآلة المتقدمة لتحسين قوة النموذج وقابليته للتعميم. يتم تسليط الضوء على التعاون مع المهنيين الصحيين كعنصر أساسي للتحقق السريري المستقبلي، لضمان التوافق مع المعايير الطبية والاعتبارات الأخلاقية في التطبيقات الواقعية.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على القضية الحرجة للصحة العامة المتعلقة بأمراض القلب والأوعية الدموية (CVDs)، التي تعد السبب الرئيسي للوفاة على مستوى العالم، وتتأثر بشكل كبير بالعوامل المتعلقة بنمط الحياة القابلة للتعديل والاستعداد الوراثي. تؤكد الزيادة في حالات أمراض القلب والأوعية الدموية بين الفئات السكانية الأصغر سنًا على ضرورة الكشف المبكر واستراتيجيات الوقاية. تعتبر الطرق التشخيصية التقليدية، على الرغم من موثوقيتها، غالبًا ما تكون كثيفة الموارد وتستغرق وقتًا طويلاً، خاصة في بيئات الرعاية الصحية ذات الموارد المحدودة.
استجابةً لهذه التحديات، تقترح الورقة إطار عمل ذكي لتحديد أمراض القلب باستخدام مصنفات تعلم الآلة تحت الإشراف. تقوم بإجراء تقييم مقارن منهجي لستة خوارزميات—الانحدار اللوجستي، أقرب الجيران (KNN)، بايزي الساذج، شجرة القرار، آلة الدعم الناقل (SVM)، وغابة عشوائية—باستخدام التحقق المتقاطع الطبقي. يظهر مصنف الغابة العشوائية كأكثر النماذج فعالية بسبب تقليل التباين القائم على التجميع وقدرته على إدارة التفاعلات المعقدة بين الميزات. تشمل المساهمات الرئيسية للدراسة تطوير إطار عمل لتعلم الآلة لتحديد أمراض القلب، وتحليل مقارن شامل لخوارزميات التصنيف، وتقييم أداء صارم، مما يضع النتائج للتطبيق العملي في أنظمة دعم القرار في الرعاية الصحية الإلكترونية. تقدم البحث أيضًا رؤى ذات صلة بتحديات التصنيف تحت الإشراف عبر سياقات البيانات المهيكلة المختلفة.
الطرق
في هذه الدراسة، تم استخدام مجموعة بيانات أمراض القلب في كليفلاند من مستودع تعلم الآلة UCI للتقييم التجريبي لنماذج التنبؤ بأمراض القلب والأوعية الدموية. تتميز هذه المجموعة بخصائصها السريرية المهيكلة والتسميات التشخيصية المحددة بوضوح، مما يجعلها خيارًا شائعًا في هذا المجال. تتكون من 303 سجلات مرضى تتميز بـ 14 سمة سريرية، بما في ذلك المتغيرات الديموغرافية والفسيولوجية مثل العمر، الجنس، نوع ألم الصدر، ضغط الدم أثناء الراحة، الكوليسترول في المصل، سكر الدم أثناء الصيام، نتائج تخطيط القلب الكهربائي أثناء الراحة، الحد الأقصى لمعدل ضربات القلب المحقق، الذبحة الصدرية الناتجة عن التمارين، وتشخيص تصوير الأوعية لأمراض القلب.
لضمان سلامة البيانات، تم استبعاد السجلات التي تحتوي على قيم مفقودة أو غير متسقة، مما أسفر عن مجموعة بيانات نهائية تضم 297 عينة صالحة. تشير المتغيرات المستهدفة في هذا التحليل إلى وجود أو عدم وجود أمراض القلب، مما يحدد المشكلة كمسألة تصنيف ثنائية. على الرغم من حجمها المعتدل، فإن توزيعات الميزات المتنوعة والارتباطات بين الميزات تجعلها مناسبة لتقييم أداء خوارزميات التصنيف تحت الإشراف في سياق تجريبي محكم.
المناقشة
تسلط قسم المناقشة في الورقة الضوء على التقدم في تقنيات تعلم الآلة لتنبؤ أمراض القلب والأوعية الدموية، مع التأكيد على تفوق الطرق القائمة على التجميع، وخاصة مصنف الغابة العشوائية، على المصنفات التقليدية. لقد تفوق نموذج الغابة العشوائية باستمرار على الانحدار اللوجستي، وأقرب الجيران، وبايزي الساذج، وأشجار القرار، وآلات الدعم الناقل عبر مقاييس تقييم مختلفة، مما يظهر قدرته على نمذجة العلاقات غير الخطية والتفاعلات المعقدة بين الميزات الموجودة في البيانات الطبية. يتماشى هذا مع الأبحاث السابقة التي تؤكد فعالية طرق التجميع في تقليل التباين والتخفيف من الإفراط في التخصيص من خلال تقنيات مثل تجميع bootstrap واختيار الميزات العشوائية.
تؤكد النتائج أيضًا على أهمية استراتيجيات المعالجة المسبقة والتحقق الصارمة، بما في ذلك تطبيع الميزات والتحقق المتقاطع الطبقي، والتي ساهمت في استقرار النموذج وموثوقيته. على الرغم من النتائج الواعدة، يعترف المؤلفون بالقيود مثل الاعتماد على جودة وحجم مجموعة البيانات، والحاجة إلى التحقق الخارجي، وطبيعة دعم القرار للنظام المقترح، الذي يهدف إلى المساعدة بدلاً من استبدال الخبرة السريرية. تختتم الدراسة بالقول إنه بينما يظهر الإطار إمكانات قوية للتكامل في أنظمة الرعاية الصحية الرقمية، فإن المزيد من التحقق والتعاون مع المهنيين الصحيين ضروريان للتنفيذ السريري المسؤول. تشمل اتجاهات البحث المستقبلية تعزيز الإطار لتقييم المخاطر في الوقت الحقيقي واستكشاف تقنيات تعلم الآلة المتقدمة لتحسين القدرات التنبؤية.
DOI: https://doi.org/10.36948/ijfmr.2026.v08i01.69115
Publication Date: 2026-02-17
Author(s): Sujit Maity
Primary Topic: Artificial Intelligence in Healthcare
Overview
This research paper presents a supervised machine learning framework aimed at enhancing the identification of heart disease, utilizing the Cleveland Heart Disease dataset from the UCI Machine Learning Repository. The study systematically evaluates six classification algorithms—Logistic Regression, K-Nearest Neighbors (KNN), Naïve Bayes, Decision Tree, Support Vector Machine (SVM), and Random Forest—using stratified k-fold cross-validation. The findings indicate that the Random Forest classifier outperforms the others, achieving an accuracy of 87% along with robust sensitivity and specificity. The model’s performance is further validated through confusion matrix analysis, Receiver Operating Characteristic (ROC) curves, Precision-Recall assessments, and statistical significance testing (p < 0.05). Additionally, feature importance analysis enhances the model's interpretability by identifying clinically relevant predictors. The study emphasizes the potential of the proposed framework as a decision-support tool in digital healthcare systems, advocating for its use alongside clinical expertise rather than as a replacement. Future research directions include the integration of the framework into web-based and mobile platforms for real-time risk assessment, the incorporation of dynamic patient monitoring data, and the exploration of advanced machine learning techniques to improve model robustness and generalizability. Collaboration with healthcare professionals is highlighted as essential for prospective clinical validation, ensuring alignment with medical standards and ethical considerations in real-world applications.
Introduction
The introduction of this research paper highlights the critical public health issue of cardiovascular diseases (CVDs), which are the leading cause of mortality globally, significantly influenced by modifiable lifestyle factors and genetic predisposition. The rising incidence of CVDs among younger populations emphasizes the necessity for early detection and preventive strategies. Traditional diagnostic methods, while reliable, are often resource-intensive and time-consuming, particularly in under-resourced healthcare settings.
In response to these challenges, the paper proposes an intelligent heart disease identification framework utilizing supervised machine learning classifiers. It conducts a systematic comparative evaluation of six algorithms—Logistic Regression, K-Nearest Neighbors (KNN), Naïve Bayes, Decision Tree, Support Vector Machine (SVM), and Random Forest—using stratified cross-validation. The Random Forest classifier emerges as the most effective model due to its ensemble-based variance reduction and capability to manage complex feature interactions. Key contributions of the study include the development of a machine learning framework for heart disease identification, a thorough comparative analysis of classification algorithms, and a rigorous performance assessment, positioning the findings for practical application in e-healthcare decision-support systems. The research also offers insights relevant to supervised classification challenges across various structured data contexts.
Methods
In this study, the Cleveland Heart Disease dataset from the UCI Machine Learning Repository was employed for experimental evaluation of cardiovascular prediction models. This dataset is notable for its structured clinical attributes and clearly defined diagnostic labels, making it a popular choice in the field. It comprises 303 patient records characterized by 14 clinical attributes, including demographic and physiological variables such as age, sex, chest pain type, resting blood pressure, serum cholesterol, fasting blood sugar, resting electrocardiographic results, maximum heart rate achieved, exercise-induced angina, and an angiographic diagnosis of heart disease.
To ensure data integrity, records with missing or inconsistent values were excluded, resulting in a final dataset of 297 valid samples. The target variable in this analysis indicates the presence or absence of heart disease, framing the problem as a binary classification task. Despite its moderate size, the dataset’s diverse feature distributions and inter-feature correlations render it suitable for assessing the performance of supervised classification algorithms in a controlled experimental context.
Discussion
The discussion section of the paper highlights the advancements in machine learning techniques for cardiovascular disease prediction, emphasizing the superiority of ensemble-based methods, particularly the Random Forest classifier, over traditional classifiers. The Random Forest model consistently outperformed Logistic Regression, K-Nearest Neighbors, Naïve Bayes, Decision Trees, and Support Vector Machines across various evaluation metrics, demonstrating its ability to model nonlinear relationships and complex feature interactions inherent in medical data. This aligns with previous research that underscores the effectiveness of ensemble methods in reducing variance and mitigating overfitting through techniques such as bootstrap aggregation and random feature selection.
The findings also stress the importance of rigorous preprocessing and validation strategies, including feature normalization and stratified cross-validation, which contributed to the model’s stability and reliability. Despite the promising results, the authors acknowledge limitations such as the dependence on the quality and size of the dataset, the need for external validation, and the decision-support nature of the proposed system, which is intended to assist rather than replace clinical expertise. The study concludes that while the framework shows strong potential for integration into digital healthcare systems, further validation and collaboration with healthcare professionals are essential for responsible clinical implementation. Future research directions include enhancing the framework for real-time risk assessment and exploring advanced machine learning techniques to improve predictive capabilities.