استفاده از شبکه عصبی مصنوعی و مقایسه آن با رگرسیون لجستیک در پیش بینی اختلالات روانی بعد از تروما در بیماران دچار آسیب مغزی خفیف

امروزه شبکه های عصبی مصنوعی در پیش بینی اثرات متغیرهای متعدد و با روابط پیچیده بر روی یک متغیر خاص مورد توجه قرار گرفته است. در این مطالعه، قدرت شبکه عصبی مصنوعی در پیش بینی اختلالات روانی بعد از تروما در بیماران دچار آسیب مغزی خفیف با رگرسیون لجستیک مقایسه شد.
در یک مطالعه کوهورت آینده نگر، 100 نفر بیمار ترومایی ارجاع شده به مرکز ترومای بیمارستان شهید بهشتی کاشان طی مدت 6 ماه مورد بررسی قرار گرفتند. سپس بیماران ترومایی به طور تصادفی به دو گروه آموزشی(50 نفر) و آزمایشی(50 نفر) تقسیم شدند. چهارده متغیر سن، جنس، شغل، سطح تحصیلات، وضعیت تاهل، وضعیت اقتصادی، سابقه قبلی اختلال روانی در بستگان درجه یک، سابقه بستری در بخش جراحی اعصاب، سابقه قبلی تروما، سابقه بیماری زمینه ای، سابقه مصرف دارو سایکولوژیکی، سابقه بیهوشی، سابقه استفاده از الکل، سابقه استفاده از مواد مخدر در این افراد بررسی شدند. سیصد مدل شبکه عصبی مصنوعی و رگرسیون لجستیک در گروه اول ساخته و در گروه دوم مقادیر پیش بینی شده توسط دو مدل نهایی مقایسه شدند. برای تخمین قدرت پیش بینی اختلال روانی از منحنی راک و صحت کلاس بندی استفاده گردید.
یافته های پژوهش: نتایج این مطالعه نشان داد، شاخص درصد پیش بینی درست برای مدل شبکه های عصبی برابر 65/90 درصد و برای رگرسیون لجستیک برابر 96/75 درصد می باشد.
مدل های شبکه عصبی مصنوعی در پیش بینی اختلال روانی از مدل رگرسیون لجستیک قوی تر بودند. این تفاوت نشانگر قدرت بیشتر مدل های مبتنی بر شبکه های عصبی مصنوعی در پیش بینی موارد اختلال روانی با استفاده از ریز فاکتورهای مختلف و لزوم استفاده از این فناوری در موارد غربالگری جمعیتی می باشد.