مدل پیش‏بینی بیماری عروق کرونر با استفاده از شبکه های عصبی و گزینش متغیر مبتنی بر درخت رگرسیون و طبقه بندی

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.