심장마비 및 질병을 탐지하고 예측하기 위한 기계 학습 기법 비교 및 활용을 향하여

심장 질환은 인간에게 치명적이지만 조용한 살인자 중 하나로, 매년 환자의 사망률 증가를 초래합니다. 2016년 세계보건기구(WHO)는 매년 전 세계에서 발생하는 1,790만 건의 사망이 심장 질환으로 인한 것이라고 보고했습니다. 의료 분야에서는 매일 다양한 유형의 데이터가 생성되고 있으며, 이러한 데이터에서 지식을 얻는 것이 필수적입니다. 이러한 지식은 의료 기록 데이터 세트에서 모델을 설계하여 지식을 추출하기 위해 다양한 데이터 마이닝 기법을 사용하여 획득할 수 있습니다. 우리는 환자의 의료 기록을 사용하여 심장 질환을 탐지하고 예측할 수 있는 기계 학습 기반 시스템을 구현합니다. 제안된 솔루션은 랜덤 포레스트 베이지안 분류 및 로지스틱 회귀와 같은 기존 기법에 기반하여 심장 질환과 심장마비를 탐지하고 예측하기 위한 의사 결정 지원 시스템을 제공합니다. 우리 모델에서 사용되는 데이터 세트는 18개의 특징(위험 요소)과 1990개의 관측치로 구성되어 있으며, 전처리 후 80% 훈련 세트와 20% 테스트 세트로 나누어졌습니다. 환자의 실제 의료 기록을 사용하여 제안된 시스템의 성능과 정확성을 검토하기 위한 일련의 실험이 수행되었습니다. 이 시스템은 환자의 심장 질환 위험을 예측하는 RStudio 플랫폼에서 구현되었습니다. 비교된 결과는 시스템 성능과 정확성이 수용 가능하며, 랜덤 포레스트의 심장 질환 분류 정확도는 92.44%, 나이브 베이즈 분류기는 61.96%, 로지스틱 회귀는 59.7%임을 보여주었습니다.