طراحی شبکه عصبی مصنوعی برای پیش بینی نتایج حاملگی در مادران باردار لوپوسی در ایران

لوپوس اریتماتوی سیستمیک (SLE) بیماری خودایمنی چند سیستمی با تظاهرات متنوع و رفتار متغیر می باشد. بارداری برای زنان با SLE به عنوان چالش مطرح است. مشاوره پیش از بارداری به دلیل برآورد ریسک نتایج نامطلوب در مادر و جنین با استفاده از داده های مناسب ضروری است. هدف این مطالعه، طراحی شبکه عصبی مصنوعی برای پیش بینی نتایج حاملگی در زنان باردار لوپوسی بود.
در این بررسی گذشته نگر، 45 متغیر تاثیرگذار در نتایج حاملگی زنان باردار لوپوسی شناسایی شده و پرونده های این بیماران در بیمارستان شریعتی (104 بارداری) و یکی از مراکز خصوصی (45 بارداری) از سال 1360 تا 1392، در مرداد و شهریور ماه سال 1393 بررسی و متغیرهای مورد نظر استخراج گردید. با استفاده از رگرسیون لاجستیک باینری در SPSS، ver. 20 (Chicago، IL، USA) متغیرهای تاثیرگذار در نتایج بارداری شناسایی شد. متغیرهای انتخابی به عنوان ورودی شبکه استفاده شد. شبکه پرسپترون چندلایه (Multi-layer Perceptron، MLP) پیش خور با الگوریتم پس انتشار گرادیان توام مدرج در (MATLAB، ver. R2013b (Natick، MA، USA طراحی و مورد ارزیابی قرار گرفت. برای ارزیابی شبکه از ماتریس کانفیوژن استفاده شد.
دوازده متغیر که 05/ 0>P داشتند به عنوان متغیرهای تاثیرگذار، به همراه 4 متغیر به نسبت تاثیرگذار با P<0.1، برای پیش بینی نتایج حاملگی در بیماران لوپوسی با استفاده از رگرسیون لاجستیک شناسایی شد. از این 16 متغیر به عنوان ورودی شبکه پرسپترون چند لایه استفاده گردید. صحت، حساسیت و ویژگی بهترین شبکه عصبی طراحی شده در داده های تست به ترتیب 9/ 90%، 0/ 80%، 1/ 94% و در کل داده ها به ترتیب 3/ 97%، 5/ 93%، 0/ 99% بود.
با استفاده از فاکتورهای تاثیرگذار شناسایی شده در این مطالعه و استفاده از شبکه پرسپترون چند لایه (MLP) برای پیش بینی سقط خودبه خودی جنین و نوزاد سالم، می توان به درستی، پیامد بارداری در زنان لوپوسی را پیش بینی نمود.