مقایسه عملکرد الگوریتم‌های داده‌کاوی در پیش‌بینی بیماری عروق کرونر

مقدمه: بیماری‌های قلبی- عروقی نخستین علت مرگ در جهان هستند و براساس برآورد سازمان بهداشت جهانی، مرگ ناشی از بیماری‌های قلبی تا سال۲۰3۰ به 23 میلیون مورد افزایش خواهد یافت. از این رو، به نظر می‌رسد استفاده از الگوریتم‌های داده‌کاوی برای پیش‌بینی بیماری عروق کرونر قلب بسیار کاربردی باشد. هدف از پژوهش حاضر مقایسه عملکرد الگوریتم‌های شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) در پیش‌بینی بیماری عروق کرونر قلب بود. روش: پژوهش حاضر از نوع توصیفی-تحلیلی و نمونه پژوهش شامل تمام بیماران بستری مبتلا به بیماری عروق کرونر قلب در سه بیمارستان تابعه دانشگاه علوم پزشکی آجا بین سال‌های 1395 تا 1396 بود. درمجموع، 1324 رکورد با 26 ویژگی مؤثر در این بیماری استخراج و پس از نرمال‌سازی و پاک‌سازی داده‌ها، در نرم‌افزار SPSS نسخه 23 وExcel  نسخه 2013 وارد شدند. برای قالب‌بندی داده‌ها نیز از نرم‌افزار داده‌کاوی R3.3.2 استفاده گردید. نتایج: الگوریتم ماشین بردار پشتیبان با میانگین درصد خطای مطلق پایین‌تر (112/03)، آماره هاسمر-لمشو بالاتر (16/71)، حساسیت (92/23) و ویژگی (74/42) نسبت به مدل شبکه عصبی دقیق‌تر بود. همچنین، مساحت زیر منحنی راک در الگوریتم SVM بیشتر از ANN بود و می‌توان نتیجه‌ گرفت که این مدل دارای دقت بیشتری است. نتیجه­گیری: در این مطالعه، الگوریتم SVM نسبت به مدل شبکه عصبی دقت و عملکرد بهتری در پیش‌بینی بیماری عروق کرونر قلب نشان داد و دارای حساسیت و صحت بالاتری بود. با این حال پیشنهاد می‌گردد که نتایج مطالعه حاضر با یافته‌های حاصل از به‌کارگیری سایر الگوریتم‌های داده‌کاوی در پژوهش‌های آتی مورد مقایسه قرار گیرد.