تمكّن فريق بحث علمي من تطوير نهج جديد للتجميع (Clustering) يعتمد على مسافة Gower وآلية مبتكرة لاختيار المراكز (Centroid Selection)، بهدف تحسين دقة أنظمة تصنيف البيانات الطبية عالية الأبعاد والمتنوعة، وتقليل التعقيد الحسابي مقارنة بالطرق التقليدية.

نشر المدرس المساعد مصطفى نعمان من جامعة القادسية/كلية علوم الحاسوب وتكنولوجيا المعلومات هذا البحث في مجلة Cluster Computing الصادرة عن دار النشر Springer، وهي مجلة علمية مرموقة مصنفة ضمن قاعدة بيانات Scopus وClarivate في الربع الأول (Q1)، وتمتلك معامل CiteScore مقداره 8.7 ومعامل تأثير (Impact Factor) يبلغ 4.1.

يعتمد النهج الجديد على تقسيم السجلات إلى كُتل صغيرة (2–10 عينات) لفهم التوزيع الداخلي للبيانات، ومن ثم اختيار مراكز المجموعات بكفاءة قبل تطبيق التجميع باستخدام مسافة Gower، مما يعزز من دقة الكشف عن الأنماط المعقدة التي تعجز الأساليب التقليدية مثل K-Means عن اكتشافها.

تم التحقق من فعالية النهج المقترح باستخدام ثلاث مجموعات بيانات طبية هي: Parkinson’s Disease (PD)، وWisconsin Diagnostic Breast Cancer (WDBC)، وBonn EEG. وقد أظهرت النتائج تحسنًا كبيرًا في أداء المصنفات، حيث بلغت الدقة ما يقارب 100% لبيانات PD وWDBC، و98% لبيانات Bonn، متفوقة بذلك على أساليب أخرى مثل Particle Swarm Optimization (PSO) التي تتطلب تكرارات كثيرة من عمليات التحسين.

يمثل هذا الابتكار خطوة مهمة نحو تصميم أنظمة تحليل طبية أكثر كفاءة وموثوقية، حيث يُسهم في تحسين جودة الرعاية الصحية عبر تمكين الأطباء والباحثين من الوصول إلى تصنيفات دقيقة للبيانات الطبية المعقدة، بما يساعد في اتخاذ قرارات علاجية أفضل.