Integrated Multi-Criteria Decision Analysis for Enhanced ‎Lymphoma Diagnosis

الملخص

لا يزال تشخيص سرطان الغدد الليمفاوية   يُمثل تحديًا سريريًا نظرًا لتباينها البيولوجي، وأعراضها المتزامنة، ومظاهرها الأولية غير المؤكدة في كثير من الأحيان. تقترح هذه الدراسة نظامًا متكاملًا قائمًا على البيانات يجمع بين التعلم الآلي المُشرف وتحليل القرارات متعدد المعايير (MCDA) لتعزيز قابلية التفسير السريري ودقة التشخيص. تُصنف هذه الطريقة حالات المرضى بناءً على الشدة النسبية لعوامل التشخيص، مثل البروتين التفاعلي CRP، وLDH، والهيموغلوبين، وخلايا الدم البيضاء WBC، وعدد الصفائح الدموية، وحجم الورم، والعمر، باستخدام نموذج TOPSIS المُرجح بالإنتروبيا. تم إنشاء ألفي ملف تعريفي مُحاكي للمرضى في مجموعة بيانات سريرية غنية بالمعلومات للتحقق من صحة النظام واختباره. استُخدمت نفس مجموعة الميزات لتدريب مُصنف الغابة العشوائية لقياس مدى متانة نموذج القرار. حصل المُصنف على مساحة تحت المنحنى (AUC) قدرها 0.53 ودقة تنبؤ قدرها 54.75%. كانت مقاييس الأداء متوافقة بشكل كبير مع التصنيفات المُولّدة من MCDA، وكانت أهم ثلاثة مؤشرات تشخيصية - LDH وCRP والهيموغلوبين - موجودة دائمًا ضمن كلٍّ من نماذج التعلم الآلي وتصنيفات MCDA. وقد دعمت مناهج تكميلية، مثل تحليل المكونات الرئيسية (PCA)، وخرائط الارتباط الحرارية، ومخططات ROC، وتصورات شجرة القرار، بنية النماذج وقابليتها للتفسير. تُظهر النتائج أن الجمع بين MCDA والتصنيف القائم على البيانات يُبشر بالمساهمة في إنشاء أنظمة تشخيصية شفافة ومرنة وذات معنى سريري. يدعم هذا النظام الهجين استخدامات الطب الدقيق المستقبلية، مثل التكامل مع وسائل التصوير، والمراقبة الطولية للمرضى، والبيانات الجزيئية.