مدل پیش بینی بیماری عروق کرونر با استفاده از شبکه های عصبی و گزینش متغیر مبتنی بر درخت رگرسیون و طبقه بندی

با توجه به آنکه خطرات اجرای روش های تشخیص تهاجمی در بیماری عروق کرونر از جمله آنژیوگرافی قابل ملاحظه می باشد و از طرفی تجارب موفقیت آمیزی در مورد روش های داده کاوی در پزشکی حاصل شده است؛ لذا این مطالعه با هدف تولید مدلی مبتنی بر تکنیک داده کاوی شبکه های عصبی که قابلیت پیش بینی بیماری عروق کرونر را داشته باشد انجام شده است.
در این مطالعه توصیفی-تحلیلی، مجموعه داده ای شامل 9 ریسک فاکتور از اطلاعات 13228 نفر که در مرکز قلب تهران آنژیوگرافی شده بودند (4059 نفر فاقد بیماری عروق کرونر و 9169 نفر مبتلا به این بیماری) مورد استفاده قرار گرفت. تولید مدل پیش بینی بیماری عروق کرونر بر اساس شبکه عصبی پرسپترون چند لایه و روش گزینش متغیر، مبتنی بر درخت رگرسیون و طبقه بندی می باشد که هر دو با استفاده از نرم افزار Statistica انجام شده است. برای مقایسه و انتخاب بهترین مدل از آنالیز منحنی راک استفاده گردید.
پس از هفت مرتبه مدل سازی و مقایسه مدل های تولید شده، مدل نهایی تشکیل شده از کل ریسک فاکتور های موجود با سطح زیر منحنی راک 754/0، دقت 19/74%، حساسیت 41/92% و ویژگی 25/33% بدست آمد. در نتیجه انجام گزینش متغیر نیز مدلی متشکل از 4 ریسک فاکتور با سطح زیر منحنی راک 737/0، دقت 19/74%، حساسیت 34/93% و ویژگی 17/31% تولید شد.
در این مطالعه مدل بدست آمده مبتنی بر شبکه های عصبی، علاوه بر توانایی بالا در تشخیص افراد بیمار، تعداد قابل قبولی از افرادی که فاقد بیماری عروق کرونر بودند را نیز شناسایی کرد. همچنین، بکارگیری تکنیک های گزینش متغیر در این مطالعه نیز نتایج خوبی در زمینه کاهش پیچیدگی مدل به همراه داشت و منجر به تولید مدلی متشکل از تنها چهار ریسک فاکتور سن، جنس، دیابت و فشارخون بالا گردید.