پیش بینی تولد نوزاد نارس در مادران باردار شده از طریق فن آوری های کمک باروری با استفاده از شبکه عصبی

امروزه فن آوری های کمک باروری به طور گسترده ای برای درمان ناباروری زوجین مورد استفاده قرار می گیرد. میزان تولد نارس در نوزادان مادرانی که از طریق فن آوری های کمک باروری باردار گردیده اند، بیش تر از بارداری های طبیعی می باشد. هدف این مطالعه پیش بینی تولد نوزادان نارس در مادران باردار شده از طریق فن آوری های کمک باروری می باشد.
در این مطالعه گذشته نگر، ابتدا 45 متغیر تاثیرگذار بر تولد نارس در مادران باردار شده از طریق فن آوری های کمک باروری شناسایی شدند و از پرونده بالینی این مادران در بیمارستان صارم از سال 1377 تا شهریور 1393، در پاییز 1393 استخراج شد. متغیرهای تاثیرگذار با استفاده از الگوریتم انتخاب ویژگی و درخت تصمیم در نرم افزار SPSS Clementine شناسایی شد. شبکه عصبی پرسپترون چند لایه در نرم افزار Matlab طراحی گردید. ارزیابی شبکه بر اساس ماتریس آشفتگی و معیارهای ویژگی، حساسیت و صحت انجام گردید.
با استفاده از الگوریتم انتخاب ویژگی و درخت تصمیم، 15 متغیر تاثیرگذار به عنوان ورودی شبکه عصبی انتخاب گردید. شبکه پرسپترون چند لایه طراحی و ارزیابی شد. شبکه عصبی طراحی شده در داده های تست دارای صحت2 /87 درصد، حساسیت 0 /80 درصد، ویژگی 2 /88 درصد و در کل داده ها دارای صحت 4 /95 درصد، حساسیت 0 /95 درصد و ویژگی 5 /95 درصد بود.
با توجه به نتایج به دست آمده از این پژوهش، استفاده از شبکه پرسپترون چند لایه برای پیش بینی نتیجه زایمان از نظر تولد نوزاد ترم یا نوزاد نارس در مادران باردار شده از طریق فن آوری های کمک باروری می تواند در پیشگیری از عوارض تولد نوزاد نارس کمک کننده باشد.