المستخلص
لا تزال أمراض القلب والأوعية الدموية (CVD) تمثل السبب الرئيس للوفيات على مستوى العالم، ويُعد التقييم المبكر والدقيق لمخاطر الإصابة أمرًا أساسيًا للوقاية الفعالة. تقترح هذه الأطروحة إطارًا حواريًا طبيًا ذكيًا ثنائي اللغة لتقييم مخاطر الإصابة بأمراض القلب، يدمج نماذج التعلم العميق ونماذج التعلم الآلي التقليدية، والتقييم المنهجي، وتحسين النماذج، ووحدة قابلة للتفسير لدعم القرار السريري، وواجهة حوارية تفاعلية باللغتين العربية والإنجليزية. وقد تم تطوير الإطار وتقييمه باستخدام أربع مجموعات بيانات لأمراض القلب والأوعية الدموية، وهي مجموعة بيانات محلية جُمعت من عينة عراقية، وثلاث مجموعات بيانات دولية مرجعية هي: Framingham، وHeart Failure، وBRFSS. وتم تصميم ثماني معماريات للشبكات العصبية العميقة ومقارنتها بخوارزميات الانحدار اللوجستي (Logistic Regression)، والغابة العشوائية (Random Forest)، وXGBoost، ونموذج التجميع التكديسي (Stacking Ensemble)، باستخدام بروتوكول تقييم عادل اعتمد معامل ارتباط ماثيوز (MCC) مقياسًا أساسيًا في ظل عدم توازن الفئات، إلى جانب الدقة (Accuracy)، ودرجة F1، والاستدعاء (Recall)، والمساحة تحت منحنى ROC (ROC-AUC)، وتحليلات Precision–Recall والمعايرة (Calibration).
كما تم إجراء تحليل تشخيصي ودراسة إزالة (Ablation Study) لقياس إسهام كل مرحلة من مراحل تحسين النماذج. وأظهرت النتائج أنه لا يوجد نموذج واحد يحقق الأداء الأمثل بصورة مطلقة؛ إذ حققت خوارزمية XGBoost أفضل أداء في مجموعة البيانات المحلية (MCC = 0.64) ومجموعة بيانات Heart Failure (MCC = 0.81، ROC-AUC = 0.94)، في حين حقق الإطار المقترح نتائج مماثلة أو متفوقة على النتائج المنشورة سابقًا في مجموعات البيانات الدولية المرجعية، كما أسهم في تقديم أول معيار أداء مُبلغ عنه لمجموعة البيانات العراقية. وتعمل وحدة دعم القرار السريري على تحويل الاحتمالات التنبؤية إلى مستويات مفهومة للمخاطر وفق معيار NCEP ATP III، بينما توفر واجهة الحوار الذكية ثنائية اللغة التقييم بصورة تفاعلية، إلى يوفر الإطار المقترح نظامًا دقيقًا وقابلًا للتفسير وقابلًا للتطبيق سريريًا لتقييم مخاطر الإصابة بأمراض القلب والأوعية الدموية.جانب تقديم تفسيرات لكل عامل من عوامل الخطر ومتابعة المريض على مدى زمني طويل. وبذلك،
