ترجمه فارسی مقاله MLtoGAI: وب معنایی مبتنی بر یادگیری ماشین برای پیش‌بینی پیشرفته بیماری و توصیه‌های شخصی‌سازی‌شده با استفاده از هوش مصنوعی مولد

چکیده

In modern healthcare, addressing the complexities of accurate disease prediction and personalized recommendations is both crucial and challenging. This research introduces MLtoGAI, which integrates Semantic Web technology with Machine Learning (ML) to enhance disease prediction and offer user-friendly explanations through ChatGPT. The system comprises three key components: a reusable disease ontology that incorporates detailed knowledge about various diseases, a diagnostic classification model that uses patient symptoms to detect specific diseases accurately, and the integration of Semantic Web Rule Language (SWRL) with ontology and ChatGPT to generate clear, personalized health advice. This approach significantly improves prediction accuracy and ensures results that are easy to understand, addressing the complexity of diseases and diverse symptoms. The MLtoGAI system demonstrates substantial advancements in accuracy and user satisfaction, contributing to developing more intelligent and accessible healthcare solutions. This innovative approach combines the strengths of ML algorithms with the ability to provide transparent, human-understandable explanations through ChatGPT, achieving significant improvements in prediction accuracy and user comprehension. By leveraging semantic technology and explainable AI, the system enhances the accuracy of disease prediction and ensures that the recommendations are relevant and easily understood by individual patients. Our research highlights the potential of integrating advanced technologies to overcome existing challenges in medical diagnostics, paving the way for future developments in intelligent healthcare systems. Additionally, the system is validated using 200 synthetic patient data records, ensuring robust performance and reliability.

چکیده به فارسی (ترجمه ماشینی)

در مراقبت های بهداشتی مدرن ، پرداختن به پیچیدگی های پیش بینی دقیق بیماری و توصیه های شخصی هم بسیار مهم و چالش برانگیز است.این تحقیق MLTOGAI را معرفی می کند ، که فناوری وب معنایی را با یادگیری ماشین (ML) ادغام می کند تا پیش بینی بیماری را تقویت کند و توضیحات کاربر پسند را از طریق ChatGPT ارائه دهد.این سیستم شامل سه مؤلفه اصلی است: یک هستی شناسی بیماری قابل استفاده مجدد که دانش مفصلی در مورد بیماریهای مختلف ، یک مدل طبقه بندی تشخیصی که از علائم بیمار برای تشخیص دقیق بیماریهای خاص استفاده می کند ، و ادغام زبان قانون وب معنایی (SWRL) با هستی شناسی و چتپپ به کار می برد تا تولید کند.مشاوره بهداشتی روشن و شخصی.این رویکرد به طور قابل توجهی دقت پیش بینی را بهبود می بخشد و نتایج را که به راحتی قابل درک هستند ، تضمین می کند و به پیچیدگی بیماری ها و علائم متنوع می پردازد.سیستم MLTOGAI پیشرفتهای قابل توجهی در صحت و رضایت کاربر نشان می دهد و در توسعه راه حل های مراقبت های بهداشتی باهوش تر و در دسترس تر نقش دارد.این رویکرد نوآورانه ، نقاط قوت الگوریتم های ML را با توانایی ارائه توضیحات شفاف و قابل درک انسانی از طریق ChatGPT ، دستیابی به پیشرفت های چشمگیر در دقت پیش بینی و درک کاربر ترکیب می کند.این سیستم با استفاده از فناوری معنایی و هوش مصنوعی قابل توضیح ، دقت پیش بینی بیماری را تقویت می کند و تضمین می کند که توصیه ها توسط بیماران فردی مرتبط و به راحتی درک می شوند.تحقیقات ما پتانسیل ادغام فن آوری های پیشرفته برای غلبه بر چالش های موجود در تشخیص پزشکی را برجسته می کند و راه را برای تحولات آینده در سیستم های مراقبت های بهداشتی هوشمند هموار می کند.علاوه بر این ، این سیستم با استفاده از 200 سوابق داده بیمار مصنوعی ، اطمینان از عملکرد و قابلیت اطمینان قوی است.