مروری نظامند بر کاربرد روش های هوش مصنوعی در پیش بینی دیابت نوع دو با تاکید بر فعالیت بدنی

این مقاله یک مرور نظامند بر کاربرد روش های هوش مصنوعی در پیش بینی دیابت نوع ۲ با تاکید بر نقش فعالیت بدنی ارائه می دهد. با توجه به شیوع فزاینده دیابت و عوامل خطری مانند کم تحرکی، چاقی و رژیم غذایی ناسالم، تشخیص زودهنگام افراد پرخطر از اهمیت بالایی برخوردار است. یافته ها نشان می دهد که الگوریتم های یادگیری ماشین به ویژه روش های مبتنی بر درخت تصمیم مانند Random Forest و XGBoost با تحلیل همزمان متغیرهایی چون سن، BMI، سطح گلوکز و سطح فعالیت بدنی، می توانند خطر ابتلا به دیابت را حتی پیش از ظهور علائم بالینی با دقت قابل قبولی پیش بینی کنند. اگرچه فعالیت بدنی همچنان ستون اصلی پیشگیری است، در مواردی که عوامل ژنتیکی یا سبک زندگی پیچیده اند، هوش مصنوعی می تواند به عنوان ابزاری تکمیلی برای غربالگری هوشمند و شخصی سازی مداخلات عمل کند. این مرور نشان می دهد که ترکیب داده های رفتاری (به ویژه فعالیت بدنی) با مدل های هوش مصنوعی، گامی موثر در جهت پیشگیری فعال و کاهش بار بیماری دیابت است.

Keywords:

فعالیت بدنی , هوش مصنوعی , دیابت