نظام ذكاء اصطناعي للتنبؤ المبكر بمرض ألزهايمر بناءً على المؤشرات الحيوية والسلوكية

عن المشروع: بناء نموذج تحليل تنبؤي (Predictive Analysis) يعتمد على مجموعة بيانات طبية شاملة لـ 2149 مريضاً. يهدف المشروع إلى تحديد احتمالية الإصابة بمرض ألزهايمر من خلال تحليل 32 عاملاً مختلفاً تشمل التاريخ الطبي، الاختبارات الإدراكية، والمؤشرات الحيوية، مما يساعد في التدخل الطبي المبكر. ماذا قدمت في هذا المشروع؟ تحليل البيانات الطبية (Exploratory Data Analysis): تعاملت مع بيانات متنوعة (32 ميزة) تشمل مؤشرات جسدية مثل (BMI, SystolicBP) واختبارات معرفية مثل (MMSE - Mini-Mental State Examination). هندسة الميزات (Feature Engineering): قمت بتحليل العلاقة بين العوامل السلوكية (مثل جودة النوم والنشاط البدني) وبين احتمالية التشخيص (Diagnosis). بناء الموديل: استخدام خوارزميات التصنيف (Classification) للتمييز بين المرضى المصابين وغير المصابين بناءً على الأنماط المستخلصة من البيانات. التقييم السريري: ركزت على دقة النموذج في التعامل مع ميزات حساسة مثل التاريخ العائلي (Family History) والشكاوى المتعلقة بالذاكرة (Memory Complaints). الأدوات المستخدمة: Python, Pandas, Scikit-Learn, Matplotlib, Seaborn.