نموذج ذكاء اصطناعي للتنبؤ بدرجة خطورة التفاعلات الدوائية (Adverse Drug Reactions)

قمت بتطوير نموذج ذكاء اصطناعي لتحليل بيانات التفاعلات الدوائية (ADR) والتنبؤ بدرجة خطورة الحالة الطبية للمريض بناءً على مجموعة من العوامل مثل نوع الدواء، الجرعة، والأدوية المصاحبة. يعتمد المشروع على منهجية متقدمة مكونة من مرحلتين (Two-Stage Classification): * المرحلة الأولى: تحديد ما إذا كانت الحالة خفيفة (Mild) أو حالة مرضية تستدعي الانتباه. * المرحلة الثانية: في حالة وجود مرض، يتم تصنيف درجة الخطورة إلى (Moderate / Severe / Fatal). تم معالجة التحديات الخاصة بالبيانات غير المتوازنة (Imbalanced Data) باستخدام تقنيات احترافية مثل: * UnderSampling للفئة الكبيرة * ضبط Threshold لزيادة دقة اكتشاف الحالات المرضية * استخدام نموذج XGBoost لتحسين الأداء على البيانات الكبيرة كما تم تنفيذ خطوات معالجة بيانات متقدمة مثل: * تحويل الأعمدة النصية إلى بيانات رقمية (Encoding) * تحليل الأدوية المصاحبة (Concomitant Drugs) * تنظيف وتحويل الجرعات إلى قيم رقمية قابلة للتحليل حقق النموذج نتائج جيدة مع قدرة عالية على اكتشاف الحالات الخطيرة، مما يجعله مناسبًا لتطبيقات الرعاية الصحية وأنظمة دعم القرار الطبي. المشروع مكتوب بلغة Python باستخدام مكتبات مثل: Pandas, Scikit-learn, XGBoost يمكن تطوير المشروع ليعمل كنظام تنبؤ متكامل أو API للاستخدام في التطبيقات الطبية.