Journal of Health and Biomedical Informatics

fa چارچوبی مبتنی بر خط لوله برای پیش‌بینی زود هنگام بیماری دیابت A Pipeline-based Framework for Early Prediction of Diabetes هوش مصنوعی در حوزه سلامت Artificial Intelligence in Healthcare پژوهشي اصیل Original Article <div style="text-align: justify;">مقدمه: دیابت یک بیماری مزمن است و میزان مرگ و میر آن در حال افزایش است. متخصصان سلامت به دنبال راهکارهای نوآورانه برای تشخیص و درمان زودهنگام آن هستند. پیشرفت‌های یادگیری ماشینی تشخیص بیماری را بهبود داده است. با این حال، به دلیل کمبود داده‌های برچسب‌گذاری شده، مقادیر ناقص و نامتعادل بودن داده‌ها، ایجاد یک پیش‌بین بهینه برای تشخیص بیماری به یک چالش بزرگ تبدیل شده است. هدف این مطالعه ارائه یک چارچوب طبقه‌بندی مبتنی بر خط لوله برای تشخصیص دیابت در دو مجموعه داده هندی (دو کلاس: بیمار و سالم) و عراقی (سه کلاس: بیمار، سالم و در شرف ابتلا به دیابت) است. روش: بخش مهم این چارچوب پیش‌پردازش است. مدل‌های مختلف یادگیری ماشین مبتنی بر رویکرد One-Vs-One برای حالت سه‌کلاسه، در چارچوب پیشنهادی پیاده‌سازی شده‌اند. به دلیل نامتعادل بودن مجموعه داده، علاوه بر معیار ارزیابی دقت طبقه‌بندی، مساحت زیر منحنی مشخصه عملکرد گیرنده نیز استفاده می‌شود. با هدف افزایش مساحت زیر منحنی مشخصه عملکرد گیرنده و دقت طبقه‌بند، فراپارامترهای هریک از مدل‌ها با روش‌های بهینه‌سازی جستجوی شبکه‌ای و بیزین بهینه‌سازی می‌شوند برای ساختن مدلی قدرتمند با زمان کم آموزش و آزمایش از روش‌های مختلف انتخاب ویژگی استفاده می‌شود. نتایج: از طریق شبیه‌سازی، چارچوب پیشنهادی برای تشخیص بیماری دیابت در دو مجموعه داده هندی و عراقی مورد آزمایش قرار گرفت. نتایج نشان داد که با استفاده از AdaBoost در مجموعه داده هندی (‌94/11AUC=، 89/98ACC=) و با استفاده از جنگل تصادفی در مجموعه داده عراقی  (98/62AUC=، 98/66ACC=)، دقت و عملکرد مطلوبی به دست آمد. نتیجه‌گیری: از نظر معیارهای ACC، دقت، صحت، یادآور و F1-Score، چارچوب پیشنهادی مبتنی بر خط لوله عملکرد بهینه‌ای دارد و می‌تواند در سامانه‌های پزشکی به عنوان یک برنامه کاربردی مورد استفاده قرار گیرد.</div> <div style="text-align: justify;">Introduction: Diabetes is a chronic disease worldwide, with an increasing annual death rate. Many health professionals seek innovative ways to detect and treat it early. Rapid advances in machine learning have improved disease diagnosis. However, because of the small amount of labeled data, the frequency of null and missing values, and the imbalance of databases, creating an optimal predictor for disease diagnosis has become a great challenge. This study aimed to present a pipeline-based classification framework for predicting diabetes on two datasets of Indian diabetic patients with two classes (patient and healthy groups) and Iraqi with three classes (patient, healthy, and prediabetes groups). Method: An important part of this framework is preprocessing. Different ML models based on the One-Vs-One approach for the three-class mode are implemented in the framework. Because of the imbalance of the data set, besides the accuracy evaluation criterion, the area under the receiver operating characteristic (ROC) curve is also used. To increase the level of these two criteria, the Hyper-parameters of each model are optimized using optimization methods to build a powerful model with less training and testing time through various feature selection methods. Results: The proposed framework was assessed for diabetes prediction on two datasets of Indian and Iraqi diabetic patients. It was revealed that using AdaBoost for the Indian dataset (ACC=89.98, AUC=94.11) and random forest for the Iraqi dataset (ACC=98.66, AUC= 98.62), good accuracy and performance were obtained. Conclusion: Regarding ACC parameters, precision, accuracy, recall, and F1-Score, the pipeline-based framework has an optimal performance in predicting diabetes, therefore, it can be used in clinical decision support systems. </div> پیش‌بینی بیماری دیابت, یادگیری ماشین, طبقه‌بندی, خط لوله, انتخاب ویژگی, مساحت زیر منحنی مشخصه عملکرد Diabetes Prediction, Machine Learning, Classification, Pipeline, Feature Selection, The Area Under the Receiver Operating Characteristic Curve (AUC) 125 140 http://jhbmi.ir/browse.php?a_code=A-10-973-1&slc_lang=fa&sid=1 Karlo Abnoosian کارلو آبنوسیان karlo.abnoosian@srbiau.ac.ir 10031947532846009083 10031947532846009083 No Department of Statistics, School of Convergent Sciences and Technoligies, Science and Research Branch, Islamic Azad University, Tehran, Iran گروه آمار، دانشکده علوم و فناوری‌های همگرا، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Rahman Farnoosh رحمان فرنوش rfarnoosh@iust.ac.ir 10031947532846009084 10031947532846009084 Yes School of Mathematics, Iran University of Science and Technology, Tehran, Iran دانشکده ریاضی، دانشگاه علم و صنعت ایران، تهران، ایران Mohammad Hassan Behzadi محمدحسن بهزادی behzadi@srbiau.ac.ir 10031947532846009085 10031947532846009085 No Department of Statistics, School of Convergent Sciences and Technoligies, Science and Research Branch, Islamic Azad University, Tehran, Iran گروه آمار، دانشکده علوم و فناوری‌های همگرا، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران