يقترح هذا العمل إطارًا مُحسّنًا للتنبؤ بسرطان الثدي قائمًا على استكشاف متعدد المراحل للبيانات ونماذج تجميع ديناميكية لتقليل فرط المواءمة وتعزيز الدقة، مع استخدام التحقق المتقاطع وضبط بايزي للمعاملات الفائقة. تم تقييم الإطار باستخدام مجموعة بيانات Wisconsin Diagnostic Breast Cancer (WDBC) ومقارنة نتائجه بنماذج رائدة. أظهرت النتائج أن أفضل تجربة حققت 100% دقة واسترجاعًا مع إعدادات محددة (AdaBoost وعدد متعلمين 322 ومعدل تعلم 0.9350 وأقصى عدد تقسيمات 1)، كما حقق الإطار متوسط دقة 99.35% وانحرافًا معياريًا 0.325، ما يشير لقدرة الإطار على تحسين دقة وكفاءة التنبؤ وبالتالي دعم قرارات علاج أفضل.