방글라어 의료 정보 격차 해소: 증상-질병 데이터셋을 활용한 머신러닝 기반 질병 예측

Bridging the Gap in Bangla Healthcare: Machine Learning Based Disease Prediction Using a Symptoms-Disease Dataset

신뢰할 수 있는 건강 정보에 대한 접근성은 영어가 아닌 언어를 사용하는 인구에게 필수적이지만, 방글라어를 사용하는 인구를 위한 질병 예측 관련 자료는 여전히 부족합니다. 본 연구는 85가지 질병에 걸쳐 758개의 고유한 증상-질병 관계를 포함하는 포괄적인 방글라어 증상-질병 데이터셋을 개발하여 이러한 격차를 해소하고자 합니다. 투명성과 재현성을 확보하기 위해, 개발된 데이터셋을 공개적으로 제공합니다. 이 데이터셋은 방글라어 증상 입력을 기반으로 질병을 예측하는 데 활용될 수 있으며, 방글라어를 사용하는 인구의 의료 접근성을 향상시키는 데 기여할 수 있습니다. 본 연구에서는 이 데이터셋을 사용하여, 방글라어로 제공된 증상을 기반으로 질병을 예측하는 다양한 머신러닝 모델을 평가하고, 데이터셋에 대한 성능을 분석했습니다. 최고 성능을 보이는 모델들을 결합한 소프트 및 하드 투표 앙상블 방법은 98%의 정확도를 달성하여, 우수한 안정성과 일반화 능력을 보여주었습니다. 본 연구는 방글라어 질병 예측을 위한 기초 자원을 제공하며, 지역화된 건강 정보학 및 진단 도구의 발전을 위한 토대를 마련합니다. 본 연구의 목적은 방글라어를 사용하는 커뮤니티, 특히 조기 질병 진단 및 의료 개입을 위한 건강 정보에 대한 공정한 접근성을 향상시키는 것입니다.

Increased access to reliable health information is essential for non-English-speaking populations, yet resources in Bangla for disease prediction remain limited. This study addresses this gap by developing a comprehensive Bangla symptoms-disease dataset containing 758 unique symptom-disease relationships spanning 85 diseases. To ensure transparency and reproducibility, we also make our dataset publicly available. The dataset enables the prediction of diseases based on Bangla symptom inputs, supporting healthcare accessibility for Bengali-speaking populations. Using this dataset, we evaluated multiple machine learning models to predict diseases based on symptoms provided in Bangla and analyzed their performance on our dataset. Both soft and hard voting ensemble approaches combining top-performing models achieved 98\% accuracy, demonstrating superior robustness and generalization. Our work establishes a foundational resource for disease prediction in Bangla, paving the way for future advancements in localized health informatics and diagnostic tools. This contribution aims to enhance equitable access to health information for Bangla-speaking communities, particularly for early disease detection and healthcare interventions.