پیش بینی میزان بروز بیماری سل با استفاده از سری های زمانی مبتنی بر شبکه های عصبی در ایران

یکی از بیماری های عفونی مهم با مرگ ومیر بالا در جهان، سل می باشد که هیچ کشوری از آن مصون نیست و امروزه به علل مختلف مانند بیماری های زمینه ای بروز آن بار دیگر در حال افزایش می باشد. براساس آخرین گزارش سازمان بهداشت جهانی از وضعیت سل در ایران، سل مقاوم به دارو (MDR-TB) و سل در افراد دارای ویروس نقص ایمنی انسانی (Human immunodeficiency virus, HIV) در کشور رو به افزایش است. پیش بینی بروز برای پیشگیری، مدیریت و کنترل بهتر این بیماری امری لازم می باشد. هدف این مطالعه ایجاد سیستم پیش بینی کننده میزان بروز سل می باشد.

تحلیل گذشته نگری بر روی 10651 بیمار مسلول ثبت شده بین اول فروردین 1393 تا پایان اسفند 1394 در سیستم وزارت بهداشت، درمان و آموزش پزشکی ایران انجام گرفت. پارامترهای قابل استناد جداسازی شدند و به صورت مستقیم، ادغام و یا تولید شاخص جدید در نظر گرفته شدند.

 23 متغیر مستقل وارد مطالعه شد که با سنجش همبستگی و محاسبه رگرسیون، 12 متغیر با P<=0/01در اسپیرمن و P<=0/05در پیرسون مرتبط شناخته شد. بهترین نتایج R=0/93وMSE=10/9 در داده های آموزش، صفر و صفر در داده های اعتبارسنجی و R=0/91و MSE=13/21در داده های تست و همچنین نمودار رگرسیون چشمگیری از شبکه ایجاد شده با الگوریتم های سری زمانی شبکه عصبی در متلب به دست آمد.

 نتایج مطالعه حاضر بیانگر این است که هوش مصنوعی برای استخراج دانش از داده های خام جمع آوری شده مربوط به بیماری سل عملکرد مناسبی دارد و می توان از آن برای پیش بینی موارد جدید این بیماری استفاده کرد.