A proposed Algorithm For Prediction HIV By Using Data Mining Technology

           يعتمد تنقيب البيانات (DM) على تحليل كميات كبيرة من المعلومات في قواعد البيانات الكبيرة بالاعتماد على العديد من المصادر للحصول على معلومات مفيدة يمكن استخدامها في مجالات مختلفة، كالتعليم والرعاية الصحية ، للحصول على أفضل معرفة ممكنة. في مجال الرعاية الصحية، فإن الكم الهائل من معلومات العلوم الطبية لديها القدرة على التنبؤ بالأمراض الخطيرة مثل مرض العوز المناعي البشري (HIV) في فترة زمنية قصيرة إذا تم معالجتها بطريقة مناسبة. لذلك، يمكن ضبط المعالجة المبكرة باستخدام الخوارزميات والأساليب المناسبة، مثل خوارزميات تعدين قواعد البيانات، والتي سوف تؤثر بشكل إيجابي على التشخيص. تم الاعتماد على مبادئ  خوارزمية الشجرة لبناء الخوارزمية المقترحة ، الخوارزمية المقترحة في هذه الورقة تعتمد على الأنماط المتكررة والتي يمكن أن تساعد الأطباء في تمييز مستوى شدة مرض الإيدز لدى المصابين بالاعتماد على قاعدة البيانات، في التحليل التجريبي للخوارزمية المقترحة على مجموعة معلومات قاعدة بيانات المرضى ،تستغرق الخوارزمية المقترحة  وقتًا أقل للعثور على المصابين بفيروس نقص المناعة البشرية مقارنةً بقاعدة البيانات الأصلية ونجد اختلافًا في ذاكرة تخزين قاعدة البيانات بين قاعدة بيانات المرضى والخوارزمية المقترحة. لقد ادت الخوارزميات التقليدية المستخدمة في البحوث السابقة مثل PART, J48, and Naïve Bayes اداء ضعيفا للتنبؤ بالأمراض وتم حل هذه المشكلة عن طريق التقنيات الجديدة وتطوير نظام تنبؤي لحاله فيروس نقص المناعة البشرية. وبالتالي ،فإن الهدف الرئيسي من هذا البحث كما أظهرته النتائج النهائية أن الخوارزمية المقترحة قابلة للتطبيق في التنبؤ المبكر لفيروس نقص المناعة البشرية مع وقت أقل وذاكرة خزنيه اقل مقارنه مع قاعدة البيانات الاصلية و تقليل قاعدة البيانات إلى شجرة صغيرة يمكن أن تساعد في التنبؤ بحالة المريض في مرحلة مبكرة في اقل وقت ممكن.Data mining (DM) depends on analyzing wide amounts of information from many sources with a large database to obtain significant information that can be used in different areas, such as education and healthcare, in order to obtain the best possible knowledge. Within the field of healthcare, the huge quantity of medical science information has the potential to predict dangerous illnesses such as human immunodeficiency viruses (HIV) within a short period of time if processed in a suitable way. Therefore, early handling can be set by using appropriate algorithms and methods, such as Association Rule Mining Algorithms, which will affect the diagnosis positively. The principles of the tree algorithm were based on the construction of our proposed algorithm, This paper proposes an algorithm that depends on a repeated pattern that can help doctors to distinguish the severity level of AIDS in patients by means of a database, in experimental analysis on a data set between the database of patients and the proposed algorithm.  The  proposed algorithm consistently takes less time to find the people with HIV as compared to the original database ,and a difference in the database memory storage has been found between the database of patients and the proposed algorithm. Traditional algorithms used in previous, such as PART, J48, and Naïve Bayes, have performed poorly to predict disease, and this problem has been solved by new technologies and the development of a predictive system for HIV status. Thus, the main goal of this research as the final results showed that the proposed algorithm is workable in an early prediction of HIV with less time and less memory storage compare it with the original database and reducing the database to a mini tree that can help predict the condition of the patient at an early stage