DOI: https://doi.org/10.3389/fmolb.2025.1763157
PMID: https://pubmed.ncbi.nlm.nih.gov/41798295
تاريخ النشر: 2026-02-20
المؤلف: Yanjie Chen وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية
نظرة عامة
تقدم ورقة البحث نموذج تجميع ذو طبقتين يهدف إلى التنبؤ بأمراض القلب من خلال الاستفادة من النمو المتزايد للبيانات الصحية. يدمج النموذج عدة مصنفات، بما في ذلك نايف بايز، وأشجار القرار، وكات بوست، وأشجار التعزيز التدريجي، لتعزيز دقة التنبؤ. تستخدم الدراسة تقنية SHAP (SHapley Additive exPlanations) لتحسين قابلية تفسير النموذج، مما يعالج التعقيد المرتبط غالبًا بأساليب التجميع. تشير النتائج التجريبية إلى أن نموذج التجميع يحقق دقة تبلغ 86.69%، ودقة مرجحة تبلغ 87.14%، واسترجاع مرجح يبلغ 86.69%، ودرجة F1 مرجحة تبلغ 86.91%، مما يظهر أداءً متوازنًا مقارنةً بالمتعلمين الفرديين.
تكشف النتائج الرئيسية أن العمر، ومدة النوم، والحالة الصحية المقيّمة ذاتيًا، ومؤشر كتلة الجسم (BMI) هي عوامل مهمة في تقييم مخاطر القلب والأوعية الدموية. تؤكد الدراسة أن الحفاظ على متوسط مدة نوم من 7-8 ساعات يمكن أن يقلل بشكل كبير من خطر الإصابة بأمراض القلب، بينما يزيد العمر المتقدم والحالة الصحية السيئة من القابلية للإصابة. لا يتفوق النموذج المقترح فقط على المصنفات الفردية، بل يوفر أيضًا أداة تنبؤية موثوقة للوقاية والعلاج الشخصي من أمراض القلب. تسلط التحليلات التفسيرية المحلية الضوء على التباين في مساهمات الميزات عبر العينات الفردية، مما يبرز أهمية التدخلات الصحية المخصصة.
مقدمة
تسلط مقدمة ورقة البحث هذه الضوء على القضية الحرجة للأمراض المتعلقة بالقلب، التي تعد السبب الرئيسي للوفاة على مستوى العالم، حيث تمثل حوالي 17.9 مليون وفاة سنويًا وفقًا لمنظمة الصحة العالمية (مارتن وآخرون، 2024). يؤكد المؤلفون على أهمية الكشف الدقيق والموثوق عن أمراض القلب لمنع المضاعفات وتقليل معدلات الوفيات. تعتبر الطرق التشخيصية التقليدية، على الرغم من فعاليتها، مكلفة وغالبًا ما تتطلب حسابات معقدة، خاصة في البيئات ذات الموارد المحدودة (خان وآخرون، 2024؛ ياش وآخرون، 2024). لمواجهة هذه التحديات، استخدمت دراسات مختلفة تقنيات التعلم الآلي لتعزيز دقة التنبؤ، مع تقدم ملحوظ بما في ذلك طرق اختيار الميزات واستخدام خوارزميات التجميع.
تستعرض الورقة عدة أساليب تعلم آلي، بما في ذلك الغابة العشوائية، والانحدار اللوجستي، ونماذج التعلم العميق، التي أظهرت نتائج واعدة في التنبؤ بأمراض القلب. على سبيل المثال، قدم باهوا وكومار (2017) طريقة لاختيار الميزات التي حسنت دقة النموذج، بينما حقق ماهيش وآخرون (2022) معدل دقة مرتفع يبلغ 95.47% باستخدام أدا بوست والتحقق المتقاطع K-fold. يناقش المؤلفون أيضًا إمكانية النماذج الهجينة، مثل تلك التي تجمع بين الشبكات العصبية التلافيفية (CNN) والشبكات العصبية المتكررة (RNN)، لتعزيز الأداء التنبؤي (ليو وآخرون، 2018). تقترح الدراسة الحالية نموذج تجميع يدمج نايف بايز، وكاتيجوريكال بوستينغ، وأشجار القرار، والتعزيز التدريجي لتحسين دقة التنبؤ بأمراض القلب، مستفيدًا من SHapley Additive exPlanations (SHAP) لتفسير الميزات ورؤى حول أداء النموذج.
طرق
ت outlines قسم “الطرق” الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. يوضح اختيار المشاركين، وتصميم التجارب، والتقنيات الإحصائية المستخدمة لتحليل البيانات. استخدم الباحثون إطار تجربة عشوائية محكومة لضمان صحة نتائجهم، مع إيلاء اهتمام خاص للتحكم في المتغيرات المربكة.
شملت جمع البيانات مقاييس وأدوات موحدة، مما يضمن موثوقية وصحة النتائج. تم إجراء التحليل باستخدام برامج إحصائية مناسبة، وتطبيق تقنيات مثل تحليل الانحدار وANOVA لتقييم أهمية النتائج. يبرز القسم المنهجية الدقيقة المعتمدة لدعم قوة الاستنتاجات المستخلصة من الدراسة.
مناقشة
في هذا القسم، تركز المناقشة على مختلف مصنفات التعلم الآلي وتطبيقاتها في التنبؤ بأمراض القلب، مع تسليط الضوء على نقاط القوة والضعف لكل طريقة. يعمل مصنف نايف بايز (NB) تحت افتراض استقلال الميزات، مستخدمًا نظرية بايز لحساب الاحتمالات اللاحقة لتوقعات الفئات. تستخدم أشجار القرار (DT) التقسيم التكراري بناءً على معايير اختيار السمات، حيث تعتبر زيادة المعلومات طريقة بارزة لتحديد الانقسامات. يجمع التعزيز التدريجي (GB) بين عدة متعلمين ضعفاء لتعزيز دقة التنبؤ، بينما يعالج كات بوست البيانات الفئوية بكفاءة، مما ينتج أشجارًا متناظرة لتخفيف الإفراط في التكيف. يدمج خوارزمية التجميع عدة مصنفات، بما في ذلك DT وNB وGB وCatBoost، مما يحسن دقة التنبؤ من خلال متعلم ميتا يجمع المخرجات من المتعلمين الأساسيين.
تؤكد المناقشة أيضًا على أهمية قابلية التفسير في نماذج التعلم الآلي، مقدمةً SHAP (SHapley Additive exPlanations) كطريقة لتحديد مساهمات الميزات في التنبؤات. تتيح قيم SHAP، المستمدة من نظرية الألعاب التعاونية، فهمًا تفصيليًا لكيفية تأثير الميزات الفردية على مخرجات النموذج، مما يعزز الثقة في النماذج المعقدة. تستخدم البحث مجموعة بيانات نظام مراقبة عوامل الخطر السلوكية في الولايات المتحدة (BRFSS)، مطبقةً تقنيات معالجة مسبقة متنوعة، بما في ذلك ترميز الميزات وتوازن البيانات باستخدام Borderline-SMOTE، لتحضير البيانات للتحليل. تشير النتائج إلى أن نموذج التجميع المقترح يتفوق على المصنفات الفردية، محققًا دقة تبلغ 86.69% ويظهر أهمية ميزات مثل العمر، ومدة النوم، والحالة الصحية المقيّمة ذاتيًا، وBMI في التنبؤ بأمراض القلب. تؤكد النتائج على إمكانية التطبيق العملي للنموذج في التشخيص الطبي، موفرةً رؤى حول العوامل الصحية الحرجة وتفاعلاتها.
DOI: https://doi.org/10.3389/fmolb.2025.1763157
PMID: https://pubmed.ncbi.nlm.nih.gov/41798295
Publication Date: 2026-02-20
Author(s): Yanjie Chen et al.
Primary Topic: Artificial Intelligence in Healthcare
Overview
The research paper presents a two-layer stacking ensemble model aimed at predicting heart disease by leveraging the exponential growth of healthcare data. The model integrates multiple classifiers, including Naive Bayes, Decision Trees, CatBoost, and Gradient Boosting Trees, to enhance prediction accuracy. The study employs the SHAP (SHapley Additive exPlanations) technique to improve the interpretability of the model, addressing the complexity often associated with ensemble methods. Experimental results indicate that the stacking model achieves an accuracy of 86.69%, a weighted precision of 87.14%, a weighted recall of 86.69%, and a weighted F1-score of 86.91%, demonstrating a balanced performance compared to single learners.
Key findings reveal that age, sleep duration, self-rated health status, and Body Mass Index (BMI) are significant factors in assessing cardiovascular risk. The study emphasizes that maintaining an average sleep duration of 7-8 hours can significantly reduce the risk of heart disease, while advanced age and poor health status increase susceptibility. The proposed model not only outperforms individual classifiers but also provides a reliable predictive tool for personalized heart disease prevention and treatment. Local interpretive analysis further highlights the variability in feature contributions across individual samples, underscoring the importance of tailored health interventions.
Introduction
The introduction of this research paper highlights the critical issue of heart-related diseases, which are the leading cause of death globally, accounting for approximately 17.9 million deaths annually according to the World Health Organization (Martin et al., 2024). The authors emphasize the importance of accurate and reliable heart disease detection to prevent complications and reduce mortality rates. Traditional diagnostic methods, while effective, are often costly and computationally intensive, particularly in resource-limited settings (Khan et al., 2024; Yash et al., 2024). To address these challenges, various studies have employed machine learning techniques to enhance prediction accuracy, with notable advancements including feature selection methods and the use of ensemble algorithms.
The paper reviews several machine learning approaches, including random forest, logistic regression, and deep learning models, which have shown promising results in heart disease prediction. For instance, Pahwa and Kumar (2017) introduced a feature selection method that improved model accuracy, while Mahesh et al. (2022) achieved a high accuracy rate of 95.47% using AdaBoost and K-fold cross-validation. The authors also discuss the potential of hybrid models, such as those combining convolutional neural networks (CNN) and recurrent neural networks (RNN), to enhance predictive performance (Liu et al., 2018). The current study proposes a stacking ensemble model that integrates Naive Bayes, Categorical Boosting, Decision Trees, and Gradient Boosting to improve heart disease prediction accuracy, utilizing SHapley Additive exPlanations (SHAP) for feature interpretation and insights into model performance.
Methods
The “Methods” section outlines the experimental and analytical procedures employed in the study. It details the selection of participants, the design of the experiments, and the statistical techniques used for data analysis. The researchers utilized a randomized controlled trial framework to ensure the validity of their findings, with specific attention given to controlling for confounding variables.
Data collection involved standardized measures and instruments, ensuring reliability and validity in the results. The analysis was conducted using appropriate statistical software, applying techniques such as regression analysis and ANOVA to assess the significance of the findings. The section emphasizes the rigorous methodology adopted to support the robustness of the conclusions drawn from the study.
Discussion
In this section, the discussion focuses on various machine learning classifiers and their application in predicting heart disease, highlighting the strengths and weaknesses of each method. The Naive Bayes (NB) classifier operates under the assumption of feature independence, utilizing Bayes’ theorem to compute posterior probabilities for class predictions. Decision Trees (DT) employ recursive partitioning based on attribute selection criteria, with Information Gain being a prominent method for determining splits. Gradient Boosting (GB) combines multiple weak learners to enhance predictive accuracy, while CatBoost specifically addresses categorical data efficiently, generating symmetric trees to mitigate overfitting. The Stacking algorithm integrates multiple classifiers, including DT, NB, GB, and CatBoost, optimizing prediction accuracy through a meta-learner that synthesizes outputs from base learners.
The discussion also emphasizes the importance of interpretability in machine learning models, introducing SHAP (SHapley Additive exPlanations) as a method to quantify feature contributions to predictions. SHAP values, derived from cooperative game theory, allow for a detailed understanding of how individual features impact model outputs, thereby enhancing trust in complex models. The research utilizes the U.S. Behavioral Risk Factor Surveillance System (BRFSS) dataset, applying various preprocessing techniques, including feature encoding and data balancing with Borderline-SMOTE, to prepare the data for analysis. The results indicate that the proposed stacking model outperforms individual classifiers, achieving an accuracy of 86.69% and demonstrating the significance of features such as age, sleep duration, self-rated health status, and BMI in heart disease prediction. The findings underscore the model’s potential for practical application in medical diagnostics, providing insights into critical health factors and their interactions.