پیش بینی دقیق بیماری عروق کرونری با استفاده از الگوریتم های بیوانفورماتیک

بیماری قلبی - عروقی یکی از مهم ترین علل مرگ و میر در کشورهای پیشرفته و جهان سوم است. طبق اعلام سازمان بهداشت جهانی پیش بینی می شود مرگ و میر ناشی از بیماری های قلبی تا سال 2030 به 23 میلیون نفر افزایش می یابد. در جدیدترین آمار وزیر بهداشت ایران، 3/39% کل مرگ و میرها ناشی از بیماری های قلبی - عروقی و 5/19% مربوط به سکته های قلبی گزارش شده است. این پژوهش با هدف پیش بینی بیماری عروق کرونر قلبی با استفاده از الگوریتم های داده کاوی انجام شد.
در این مطالعه از الگوریتم های مختلف بیوانفورماتیک از جمله درخت تصمیم، شبکه های عصبی، ماشین بردار پشتیبان، خوشه بندی و...، برای پیش بینی بیماری عروق کرونر قلب استفاده شد. در این مطالعه داده ها از چندین پایگاه معتبر (شامل 14 داده) گرفته شدند.
در این تحقیق از تکنیک های داده کاوی، جهت تشخیص بیماری های مختلف از جمله بیماری عروق کرونری استفاده شد که موثر بود. همچنین برای اولین بار یک سیستم پیش بینی مبتنی بر ماشین بردار پشتیبان با بهترین دقت ممکن معرفی گردید.
نتایج نشان داد بین ویژگی ها؛ متغیر اسکن تالیوم به عنوان مهم ترین ویژگی در تشخیص بیماری های قلبی می باشد، و طراحی مدل های پیش بینی ماشینی از جمله الگوریتم یادگیری بردار پشتیبان ماشین با دقت 100% می تواند بین افراد بیمار و سالم تمایز قائل شود.