ارائه یک مدل هوشمند جهت پیش بینی وضعیت بیماران با صرع مداوم

یکی از بیماری های شایع امروزی در کشورهای توسعه یافته صرع می باشد. نوع خاصی از این بیماری تحت عنوان استاتوس اپی لپتیکوس یا صرع مداوم شناخته می شود که با حملات پی در پی و طولانی مدت همراه است و می بایست مراقبت های درمانی ویژه ای از این نوع بیماران به عمل آید. متأسفانه علیرغم پیشرفت های قابل ملاحظه در حوزه پزشکی، آمار مرگ و میر و آسیب های شدید مغزی ناشی از این حملات بالاست. از آنجایی که پیش بینی وضعیت صحیح بیماران از اهمیت ویژه ای برخوردار است، باید از مدلی هوشمند، با حداقل خطا و حداکثر دقت استفاده کرد.در این پایان نامه، بر اساس نیاز دانشگاه علوم پزشکی شیراز، یک مدل هوشمند بر مبنای ترکیب شبکه های عصبی مصنوعی و سیستم استخراج قوانین توصیفی، برای پیش بینی میزان آسیب های مغزی بیماران صرع مداوم ارائه شده است. ترکیب شبکه عصبی و استخراج قوانین توصیفی بر اساس ضرورت ماهیت پزشکی مسئله، در نیاز به تفسیر نتایج سیستم های هوشمند، به عنوان یک نوآوری در این پژوهش انجام شده است. مدل ارائه شده بر اساس داده های واقعی گردآوری شده از این بیماران در بیمارستان نمازی شیراز آموزش داده شده است و نتایج بدست آمده بیانگر دقت 70% می باشد.این در حالی است که سایر الگوریتم های رایج داده کاوی دقت کمتری را ارائه می دهند. همچنین با توجه به قوانین توصیفی استخراج شده، روابط معناداری بین سن بیمار، نحوه درمان بیمار در گذشته، علت تشنج، سیر بیماری و نحوه کنترل تشنج با میزان آسیب های مغزی بدست آمد. در واقع بیماران جوان تر، کمتر در معرض خطر مرگ قرار دارند و معمولاً بهبود می یابند. همچنین درمان های قبلی افرادی که دچار آسیب های مغزی بیشتری شده اند، شامل فنوبارب، دپاکین و فنی توئین بوده و کنترل تشنج با داروهای بیهوشی صورت گرفته است و سکته مغزی مهم ترین عامل تشنج این افراد است. درمان های قبلی افرادی که دچار آسیب های مغزی کمتری شده اند، شامل کاربامازپین و والپورات سدیم بوده و کنترل تشنج با داروی فنی توئین صورت گرفته است و ترک داروهای ضدصرع مهم ترین عامل تشنج این افراد است. همچنین سیر بیماری این افراد از نوع غیز حاد است. در نهایت مدل ارائه شده در قالب یک برنامه پزشکی هوشمند ارائه گردیده است که می تواند به عنوان ابزاری در مراقبت درمانی ویژه از این بیماران به کار گرفته شود.