DOI: https://doi.org/10.23917/saintek.v2i1.16430
تاريخ النشر: 2026-02-25
المؤلف: Muhammad Ghifari Zaki وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية
نظرة عامة
تبحث الدراسة في تطوير نموذج تصنيف مبكر لمخاطر السكري مصمم للسكان في سن العمل (18-44 سنة) باستخدام تقنيات التعلم الآلي. مع الاعتراف بارتفاع انتشار داء السكري وتأثيراته الاجتماعية والاقتصادية، تستخدم الدراسة إطار عمل عملية البيانات القياسية عبر الصناعات (CRISP-DM) وتحلل مجموعة بيانات من نظام مراقبة عوامل الخطر السلوكية لعام 2015 (BRFSS) والتي تتكون من 48,867 ملاحظة. تقارن الدراسة بين ثلاثة خوارزميات—الانحدار اللوجستي، وغابة عشوائية، وXGBoost—مع إعطاء الأولوية لاسترجاع المعلومات كمقياس تقييم أساسي بسبب دوره الحاسم في فحص الصحة. تكشف النتائج أن الانحدار اللوجستي تفوق على النماذج الأخرى مع استرجاع معلومات بنسبة 75.06% وROC-AUC بنسبة 83.62%، مما يحدد بفعالية الأفراد ذوي المخاطر العالية.
تؤكد النتائج على التطبيق الناجح للتعلم الآلي في الكشف المبكر عن مخاطر السكري، مع اختيار الانحدار اللوجستي كنموذج مثالي بناءً على مقاييس أدائه. أكدت عملية التحقق المتبادل قوة النموذج، حيث حقق متوسط استرجاع معلومات بنسبة 75.02% ± 2.35%، مما يدل على تعميم جيد دون الإفراط في التكيف. حدد اختيار الميزات عشرة متنبئين مهمين، لا سيما حالة الصحة العامة، والعمر، ومؤشر كتلة الجسم، بما يتماشى مع الأدبيات الوبائية الحالية. تم دمج النموذج في نموذج ويب قائم على Flask، مما يسهل الفحص المبكر في الوقت الحقيقي لمخاطر السكري بين السكان في سن العمل، مما يساهم في استراتيجيات الصحة العامة الوقائية.
مقدمة
تسلط مقدمة الورقة الضوء على داء السكري كقضية صحية عامة عالمية هامة تتميز بخلل استقلابي مزمن. تنشأ هذه الحالة من إما إنتاج غير كافٍ للأنسولين من البنكرياس أو الاستخدام غير الفعال للأنسولين من قبل أنسجة الجسم، مما يؤدي إلى ارتفاع مستوى السكر في الدم لفترة طويلة. إذا لم يتم التعرف عليها وإدارتها بسرعة، يمكن أن يؤدي السكري إلى مضاعفات خطيرة مثل أمراض القلب والأوعية الدموية، والاعتلال الكلوي، واعتلال الشبكية، وزيادة خطر الوفاة المبكرة. تؤكد الحاجة الملحة لمعالجة داء السكري على إمكانيته في التسبب في عواقب صحية وخيمة.
النتائج
في هذه الدراسة، تم تقييم ثلاثة خوارزميات للتعلم الآلي—الانحدار اللوجستي، وغابة عشوائية، وXGBoost—لفعاليتها في الكشف المبكر عن مخاطر السكري بين الأفراد في سن العمل. تم تقسيم مجموعة البيانات، التي تتكون من 21 ميزة، إلى مجموعات تدريب واختبار بنسبة 80:20، مع تطبيق تقنية زيادة العينة الأقلية الاصطناعية (SMOTE) على بيانات التدريب لتخفيف عدم توازن الفئات. تم تقييم أداء النموذج باستخدام مقاييس متعددة: الدقة، والدقة، واسترجاع المعلومات، ودرجة F1، وROC-AUC، كما هو ملخص في الجدول 1.
كشفت النتائج عن وجود توازن بين مقاييس التقييم عبر النماذج. حقق الانحدار اللوجستي أعلى استرجاع معلومات بنسبة 77.78% وROC-AUC بنسبة 83.85%، لكنه أظهر دقة منخفضة بنسبة 14.14%. على العكس من ذلك، أظهرت كل من غابة عشوائية وXGBoost دقة عالية، تجاوزت 94%، ومع ذلك كانت قيم استرجاع المعلومات لديهم أقل بكثير، عند 12.93% و17.91%، على التوالي. يشير هذا إلى أنه بينما تكون غابة عشوائية وXGBoost دقيقة بشكل عام، فإنها تفشل في اكتشاف عدد كبير من حالات السكري، مما يبرز أهمية تحقيق توازن بين الدقة واسترجاع المعلومات في مهام التصنيف للكشف عن مخاطر السكري.
المناقشة
تسلط قسم المناقشة في الورقة الضوء على أزمة السكري العالمية المتزايدة، مع توقعات تشير إلى أن عدد الأفراد الذين يعيشون مع السكري سيصل إلى 853 مليون بحلول عام 2050، مما يؤثر بشكل خاص على إندونيسيا، التي تحتل المرتبة الخامسة عالميًا بأكثر من 19 مليون حالة. يشكل ارتفاع انتشار السكري بين السكان في سن العمل (الأعمار 18-44) تحديات كبيرة لأنظمة الرعاية الصحية والإنتاجية الاقتصادية. تشمل العوامل المساهمة التحضر السريع، وأنماط الحياة المستقرة، والعادات الغذائية السيئة، التي تؤدي إلى مقاومة الأنسولين—آلية رئيسية في تطور داء السكري من النوع 2 (T2DM). تؤكد الدراسة على ضرورة استراتيجيات الكشف المبكر لتحديد الأفراد ذوي المخاطر العالية وتخفيف تقدم المرض، داعية إلى نهج قائم على البيانات يستفيد من التعلم الآلي لتعزيز الدقة التنبؤية واتخاذ القرارات السريرية.
تستخدم البحث إطار عمل عملية البيانات القياسية عبر الصناعات (CRISP-DM) لتطوير نظام تنبؤ بمخاطر السكري بشكل منهجي باستخدام بيانات صحية من نظام مراقبة عوامل الخطر السلوكية لعام 2015 (BRFSS). تقارن الدراسة أداء ثلاثة خوارزميات للتعلم الآلي—الانحدار اللوجستي، وغابة عشوائية، وXGBoost—مركزة على استرجاع المعلومات كمقياس تقييم أساسي لإعطاء الأولوية لتحديد الأفراد المعرضين للخطر. تكشف النتائج أن الانحدار اللوجستي يتفوق على الخوارزميات الأخرى في استرجاع المعلومات (75.06%) مع الحفاظ على منطقة تحت المنحنى (AUC) العالية بنسبة 83.62%، مما يجعله خيارًا مناسبًا لتطبيقات الفحص المبكر. يهدف تنفيذ النموذج في نموذج ويب إلى تعزيز الوعي العام بمخاطر السكري وتسهيل التدخل المبكر، على الرغم من الاعتراف بالقيود المتعلقة بتعميم مجموعة البيانات والحاجة إلى تأكيد سريري للتنبؤات.
DOI: https://doi.org/10.23917/saintek.v2i1.16430
Publication Date: 2026-02-25
Author(s): Muhammad Ghifari Zaki et al.
Primary Topic: Artificial Intelligence in Healthcare
Overview
The research investigates the development of an early diabetes risk classification model tailored for the productive-age population (18-44 years) using machine learning techniques. Recognizing the rising prevalence of diabetes mellitus and its socio-economic implications, the study employs the Cross-Industry Standard Process for Data Mining (CRISP-DM) framework and analyzes a dataset from the 2015 Behavioral Risk Factor Surveillance System (BRFSS) comprising 48,867 observations. The study compares three algorithms—Logistic Regression, Random Forest, and XGBoost—prioritizing recall as the primary evaluation metric due to its critical role in health screening. The results reveal that Logistic Regression outperformed the other models with a recall of 75.06% and a ROC-AUC of 83.62%, effectively identifying high-risk individuals.
The findings underscore the successful application of machine learning in early diabetes risk detection, with Logistic Regression selected as the optimal model based on its performance metrics. Cross-validation confirmed the model’s robustness, yielding an average recall of 75.02% ± 2.35%, indicating good generalization without overfitting. Feature selection identified ten significant predictors, notably general health status, age, and body mass index, aligning with existing epidemiological literature. The model has been integrated into a Flask-based web prototype, facilitating real-time early screening for diabetes risk among the productive-age population, thereby contributing to preventive public health strategies.
Introduction
The introduction of the paper highlights diabetes mellitus as a significant global public health issue characterized by chronic metabolic dysfunction. This condition arises from either insufficient insulin production by the pancreas or ineffective utilization of insulin by body tissues, leading to prolonged hyperglycemia. If not identified and managed promptly, diabetes can result in serious complications such as cardiovascular disease, nephropathy, retinopathy, and an elevated risk of premature death. The urgency of addressing diabetes mellitus is underscored by its potential to cause severe health repercussions.
Results
In this study, three machine learning algorithms—Logistic Regression, Random Forest, and XGBoost—were evaluated for their effectiveness in early diabetes risk detection among individuals of productive age. The dataset, comprising 21 features, was split into training and testing sets in an 80:20 ratio, with the Synthetic Minority Oversampling Technique (SMOTE) applied to the training data to mitigate class imbalance. Model performance was assessed using multiple metrics: accuracy, precision, recall, F1-score, and ROC-AUC, as summarized in Table 1.
The results revealed a trade-off among the evaluation metrics across the models. Logistic Regression achieved the highest recall at 77.78% and a ROC-AUC of 83.85%, but exhibited low precision at 14.14%. Conversely, both Random Forest and XGBoost demonstrated high accuracy, exceeding 94%, yet their recall values were significantly lower, at 12.93% and 17.91%, respectively. This suggests that while Random Forest and XGBoost are accurate in general, they fail to detect a substantial number of diabetes cases, highlighting the importance of balancing precision and recall in classification tasks for diabetes risk detection.
Discussion
The discussion section of the paper highlights the escalating global diabetes crisis, with projections indicating that the number of individuals living with diabetes will reach 853 million by 2050, particularly affecting Indonesia, which ranks fifth globally with over 19 million cases. The increase in diabetes prevalence among the productive-age population (ages 18-44) poses significant challenges to healthcare systems and economic productivity. Contributing factors include rapid urbanization, sedentary lifestyles, and poor dietary habits, which lead to insulin resistance—a key mechanism in the development of Type 2 Diabetes Mellitus (T2DM). The study emphasizes the necessity of early detection strategies to identify high-risk individuals and mitigate the disease’s progression, advocating for data-driven approaches that leverage machine learning to enhance predictive accuracy and clinical decision-making.
The research employs the Cross-Industry Standard Process for Data Mining (CRISP-DM) framework to systematically develop a diabetes risk prediction model using health data from the 2015 Behavioral Risk Factor Surveillance System (BRFSS). The study compares the performance of three machine learning algorithms—Logistic Regression, Random Forest, and XGBoost—focusing on recall as the primary evaluation metric to prioritize the identification of at-risk individuals. The findings reveal that Logistic Regression outperforms the other algorithms in recall (75.06%) while maintaining a high Area Under the Curve (AUC) of 83.62%, making it a suitable choice for early screening applications. The model’s implementation into a web-based prototype aims to enhance public awareness of diabetes risk and facilitate early intervention, although limitations regarding dataset generalizability and the need for clinical confirmation of predictions are acknowledged.