Prediction of the occurrence of stroke based on machine learning models

Abstract

Дослідження, проведені в галузі медицини, стосуються важливої теми, інтерес до якої з кожним роком зростає. Дослідження було зосереджено на прогнозуванні початку інсульту, стану, що становить серйозний ризик для здоров'я та життя людей. Використання надзвичайно незбалансованого набору даних стало проблемою для розробки моделей машинного навчання, здатних ефективно передбачати випадки інсульту. Серед розглянутих моделей модель Random Forest продемонструвала найбільш багатообіцяючу продуктивність, досягнувши 90% показників точності, запам’ятовування та оцінки F1. Ці висновки можуть бути корисними для медичних працівників, які займаються діагностикою та лікуванням інсульту.

The research conducted in the medical domain addressed a topic of significant importance, steadily growing in relevance each year. The study focused on predicting the onset of strokes, a condition posing a grave risk to individuals' health and lives. Utilizing a highly imbalanced dataset posed a challenge in developing machine learning models capable of effectively predicting stroke occurrences. Among the models examined, the Random Forest model demonstrated the most promising performance, achieving precision, recall, and F1-score metrics of 90%. These findings hold potential utility for healthcare professionals involved in stroke diagnosis and treatment.