Автоматизована система прогнозування виявлення цукрового діабету на основі медичних даних пацієнтів

Автор(и)

  • Сергій Вікторович Підопригора Державний університет «Житомирська політехніка», Україна
  • Юлія Вячеславівна Богоявленська Державний університет «Житомирська політехніка», Україна https://orcid.org/0000-0003-4101-7127

DOI:

https://doi.org/10.26642/ten-2025-1(95)-243-248

Ключові слова:

цукровий діабет, машинне навчання, штучний інтелект, рання діагностика, алгоритми АІ/ML, хмарні сервіси, обробка даних, моделі монетизації, собівартість розробки

Анотація

Побудова автоматизованої системи прогнозування виявлення цукрового діабету є надзвичайно актуальним завданням, особливо в умовах стрімкого зростання кількості випадків цього захворювання в Україні та світі. Особливу актуальність проблема набула в Україні внаслідок воєнних дій, що призвели до погіршення загального стану здоров’я населення, збільшення кількості стресових ситуацій та порушення звичного способу життя. Цукровий діабет 2 типу, що становить основну частку захворювань на діабет, часто залишається непоміченим на початкових етапах, що значно ускладнює його подальше лікування і веде до серйозних ускладнень, таких як серцево-судинні захворювання, сліпота, ампутації кінцівок і ниркова недостатність. Рання та точна діагностика дозволяє ефективно управляти перебігом захворювання, значно покращує якість життя пацієнтів та знижує фінансове навантаження на систему охорони здоров’я. У зв’язку з постійним збільшенням обсягів медичних даних виникає необхідність використання сучасних інформаційних технологій, що здатні автоматизувати процеси аналізу та прогнозування захворювання. У запропонованій роботі розглядаються можливості та переваги впровадження алгоритмів машинного навчання (ML) та штучного інтелекту (AI) для аналізу медичних даних з метою виявлення цукрового діабету. Доведено, що застосування таких технологій суттєво підвищує точність прогнозування та діагностики захворювання, дозволяючи своєчасно виявляти пацієнтів групи ризику та забезпечувати необхідну медичну допомогу на ранніх стадіях. Окрім того, такі системи створюють нові можливості для монетизації рішень розробниками, підвищуючи економічну ефективність медичних закладів завдяки оптимізації витрат на лікування. Запропонований підхід демонструє значний потенціал для інтеграції у сучасну медичну практику, роблячи його важливим інструментом для подальшого вдосконалення сфери охорони здоров’я та сприяючи реалізації стратегічних завдань у галузі цифровізації медицини, розвитку превентивних стратегій та підвищення загального рівня громадського здоров’я населення України та інших країн.

Посилання

Dritsas, E. and Trigka, M. (2022), «Data-Driven Machine-Learning Methods for Diabetes Risk Prediction», Sensors, No. 22, 5304, doi: 10.3390/s22145304.

Kaur, N. and Kumari, V. (2018), «Predictive modelling and analytics for diabetes using a machine learning approach», Department of Computer Science and Engineering, School of Engineering Sciences and Technology, Jamia Hamdard, New Delhi, India, [Online], available at: https://www.emerald.com/insight/content/

Deberne, H.M. and Kim, I. (2021), «Prediction of Type 2 Diabetes Based on Machine Learning Algorithm», Int. J. Environ. Res. Public Health, No. 18, 3317, doi: 10.3390/ijerph18063317.

Dr. Varma, S. and Mitushi, S. (2020), «Diabetes Prediction using Machine Learning Techniques», International Journal of Engineering Research & Technology (IJERT), [Online], available at: http://www.ijert.org

[Online], available at: https://uk.wikipedia.org/wiki/%D0%A6%D1%83%D0%BA%D1%80%D0%BE%D0%B2%D0%B8%D0%B9_%D0%B4%D1%96%D0%B0%D0%B1%D0%B5%D1%82

Bohoiavlenska, Yu.V. (2004), Proektnyi analiz, Navchalnyi posibnyk, Kondor, K.

[Online], available at: https://bimedis.net/latest-news/browse/778/suchasni-tehnologiyi-u-medicini-shtuchnij-intelekt

[Online], available at: https://uk.shaip.com/blog/real-world-applications-of-machine-learning-in-healthcare/

[Online], available at: https://www.it.ua/knowledge-base/technology-innovation/machine-learning

[Online], available at: https://kharkov-future.com.ua/uk/articles-yak-rozroblyayetsya-mashynne-navchannya-klyuchovi-etapy

Список використаної літератури:

Dritsas E. Data-Driven Machine-Learning Methods for Diabetes Risk Prediction / E.Dritsas, M.Trigka // Sensors. – 2022. – № 22, 5304. DOI: 10.3390/s22145304.

Kaur Н. Predictive modelling and analytics for diabetes using a machine learning approach / Н.Kaur, V.Kumari. – New Delhi, India, Department of Computer Science and Engineering, School of Engineering Sciences and Technology, Jamia Hamdard, 2018 [Electronic resource]. – Access mode : https://www.emerald.com/insight/content.

Deberne H.M. Prediction of Type 2 Diabetes Based on Machine Learning Algorithm / H.M. Deberne, I.Kim // Int. J. Environ. Res. Public Health. – 2021. – № 18, 3317. DOI: 10.3390/ijerph18063317.

Dr. Varma S. Diabetes Prediction using Machine Learning Techniques / S.Dr. Varma, S.Mitushi // International Journal of Engineering Research & Technology (IJERT). – 2020 [Electronic resource]. – Access mode : http://www.ijert.org.

[Electronic resource]. – Access mode : https://uk.wikipedia.org/wiki/%D0%A6%D1%83%D0%BA%D1%80%D0%BE%D0%B2%D0%B8%D0%B9_%D0%B4%D1%96%D0%B0%D0%B1%D0%B5%D1%82.

Богоявленська Ю.В. Проектний аналіз : Навчальний посібник / Ю.В. Богоявленська. – К. : Кондор, 2004.

[Electronic resource]. – Access mode : https://bimedis.net/latest-news/browse/778/suchasni-tehnologiyi-u-medicini-shtuchnij-intelekt.

[Electronic resource]. – Access mode : https://uk.shaip.com/blog/real-world-applications-of-machine-learning-in-healthcare/.

[Electronic resource]. – Access mode : https://www.it.ua/knowledge-base/technology-innovation/machine-learning.

[Electronic resource]. – Access mode : https://kharkov-future.com.ua/uk/articles-yak-rozroblyayetsya-mashynne-navchannya-klyuchovi-etapy.

##submission.downloads##

Опубліковано

2025-07-14

Як цитувати

Підопригора, С. В., & Богоявленська, Ю. В. (2025). Автоматизована система прогнозування виявлення цукрового діабету на основі медичних даних пацієнтів. Технічна інженерія, (1(95), 243–248. https://doi.org/10.26642/ten-2025-1(95)-243-248

Номер

Розділ

АВТОМАТИЗАЦІЯ, КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ ТА РОБОТОТЕХНІКА