مدل پیشبینی بیماری عروق کرونر با استفاده از شبکه های عصبی و گزینش متغیر مبتنی بر درخت رگرسیون و طبقه بندی
چکیده
زمینه و هدف : با توجه به آنکه خطرات اجرای روشهای تشخیص تهاجمی در بیماری عروق کرونر از جمله آنژیوگرافی قابل ملاحظه میباشد و از طرفی تجارب موفقیت آمیزی در مورد روشهای داده کاوی در پزشکی حاصل شده است؛ لذا این مطالعه با هدف تولید مدلی مبتنی بر تکنیک داده کاوی شبکه‌های عصبی که قابلیت پیشبینی بیماری عروق کرونر را داشته باشد انجام شده است. روش بررسی : در این مطالعه توصیفی-تحلیلی، مجموعه دادهای شامل 9 ریسک فاکتور از اطلاعات 13228 نفر که در مرکز قلب تهران آنژیوگرافی شده بودند (4059 نفر فاقد بیماری عروق کرونر و 9169 نفر مبتلا به این بیماری) مورد استفاده قرار گرفت. تولید مدل پیشبینی بیماری عروق کرونر بر اساس شبکه عصبی پرسپترون چند لایه و روش گزینش متغیر، مبتنی بر درخت رگرسیون و طبقه بندی میباشد که هر دو با استفاده از نرم افزار statistica انجام شده است. برای مقایسه و انتخاب بهترین مدل از آنالیز منحنی راک استفاده گردید. یافته ها : پس از هفت مرتبه مدل سازی و مقایسه مدلهای تولید شده، مدل نهایی تشکیل شده از کل ریسک فاکتورهای موجود با سطح زیر منحنی راک 754/0، دقت 19/74%، حساسیت 41/92% و ویژگی 25/33% بدست آمد. در نتیجه انجام گزینش متغیر نیز مدلی متشکل از 4 ریسک فاکتور با سطح زیر منحنی راک 737/0، دقت 19/74%، حساسیت 34/93% و ویژگی 17/31% تولید شد. نتیجهگیری: در این مطالعه مدل بدست آمده مبتنی بر شبکه‌های عصبی، علاوه بر توانایی بالا در تشخیص افراد بیمار، تعداد قابل قبولی از افرادی که فاقد بیماری عروق کرونر بودند را نیز شناسایی کرد. همچنین، بکارگیری تکنیکهای گزینش متغیر در این مطالعه نیز نتایج خوبی در زمینه کاهش پیچیدگی مدل به همراه داشت و منجر به تولید مدلی متشکل از تنها چهار ریسک فاکتور سن، جنس، دیابت و فشارخون بالا گردید.