پیش بینی ابتلا به دیابت با استفاده از شبکه عصبی مصنوعی

بیماری دیابت با گسترش روزافزون و بار سنگینی که در نتیجه کنترل و درمان عوارض به مردم و کشور تحمیل می کند به یکی از چالش های مسئولین درمانی و دولتی تبدیل شده است. از این رو پیشگیری از بروز و پیشرفت آن در اولویت قرار می گیرد که این امر تنها با شناسایی عوامل موثر و کنترل آن ها امکان پذیر است. این مطالعه درصدد پیش بینی ابتلا به دیابت بر اساس برخی متغیرهای موثر با کمک روش شبکه های عصبی مصنوعی است.
این مطالعه که در سال 93 و با کمک نرم افزارهای R2.14.0 و SPSS21 انجام گرفت، بر روی نمونه ای شامل 13423 نفر از شرکت کنندگان در طرح بررسی عوامل خطر بیماری های غیرواگیر در سال 86 انجام شده است. سن افراد بالای 25 سال بوده و هیچ کدام دیابت کنترل شده نداشته اند. برای بررسی این داده ها از مدل شبکه عصبی مصنوعی سه لایه استفاده شد و برای انتخاب بهترین مدل از سطح زیر منحنی راک (AURC) و صحت پیش بینی استفاده شده است. هر دو تابع فعالیت در این مدل سیگموئید بوده است.
مدل شبکه عصبی مصنوعی سه لایه با معماری (53:20:2) با سطح زیر منحنی راک 7 /72 درصد و صحت پیش بینی آموزش 92 درصد و صحت پیش بینی آزمون 6/ 91 درصد بهترین مدل شناخته شد.
با توجه به عدم نیاز مدل شبکه عصبی مصنوعی به پیش فرض های معمول روش های کلاسیک آماری و صحت پیش بینی بالای مدل شبکه عصبی مصنوعی (53:20:2) پیشنهاد می شود از این مدل برای پیش بینی ابتلا به بیماری دیابت استفاده شود.