مدل‌سازي داده‌هاي سلامت و مقايسه روش‌هاي داده‌كاوي (مطالعه موردي: پيوند كبد)

كارشناسي ارشد

پيوند كبد يك درمان قطعي به ويژه براي بيماري كبدي حاد و مزمن مرحله نهايي است. با وجود گران قيمت بودن عمل جراحي، بسياري از بيماران به دليل پيشرفت‌هاي تكنولوژيكي كه به ميزان بقا بهتري دست پيدا كرده‌اند، اين روش درماني را انجام مي‌دهند. به همين دليل تعداد زيادي از افراد در ليست انتظار براي پيوند كبد قرار دارند. ولي از طرف ديگر تعداد اهدا كنندگان بسيار كم‌تر مي‌باشند. براي همين نياز است كه افراد در ليست انتظار به بهترين روش اولويت‌بندي شوند. متخصصان پزشكي از نمره MELD براي اولويت‌بندي و پيش‌بيني بقا بيماران در ليست انتظار پيوند كبد استفاده مي‌كنند. اما مطالعات نشان داده است كه استفاده از اين روش از قدرت تشخيص ضعيفي برخوردار است. براي همين در تحقيق حاضر به وسيله ابزار داده‌كاوي و هوش مصنوعي مختلف يك سيستم هوشمند ايجاد شد، كه بر اساس فوريت و سودمندي، به تعيين صلاحيت و اولويت‌بندي براي پيوند كبد بر اساس بالاترين سود بقا بپردازد. در اين تحقيق با تركيب 6 روش مختلف انتخاب ويژگي به رتبه‌بندي ويژگي‌هاي تأثيرگذار بر پيش‌بيني بقا بيماران قبل و بعد از پيوند كبد پرداخته شد، و در نهايت 10 ويژگي برتر انتخاب شدند. از اين تعداد به ويژگي‌هاي شاخص مدل سديم بيماري كبدي در مرحله نهايي، آلبومين، سن و نيتروژن اوره خون مي‌توان اشاره كرد. همچنين به بررسي و مقايسه 5 روش متوازن‌سازي براي حل مشكل عدم توازن مجموعه داده پيوند كبد استفاده شد. بعد از بررسي مدل‌هاي مختلف يادگيري ماشين و هوش مصنوعي به اين نتيجه رسيديم كه بهترين مدل جنگل‌هاي تصادفي به همراه روش يادگيري حساس به هزينه مي‌باشد. كه اين مدل داراي صحت 0.83 و سطح زير منحني مشخصه عملكرد سيستم 0.87 مي‌باشد. و يك سيستم پشتيبان تصميم براي پزشكان توسط درخت تصميم ايجاد شد. همچنين توسط مدل كاپلان ماير به محاسبه ميانگين زمان بقا در بازه 2 سال پرداخته شد.

195740

دانشگاه علم و صنعت ايران

بابك اميري

مهندسي صنايع- مديريت مهندس ي

مرتضي باقرپور