ارائه مدلی تشخیص ابتلا به بیماری مزمن کلیوی با استفاده از تکنیک های یادگیری ماشین

امروزه کاربرد هوش مصنوعی درزمینه سیستم های سلامت گسترش زیادی داشته است. یادگیری ماشین به عنوان یکی از زیرشاخه های هوش مصنوعی، کاربردهای فراوانی درزمینه تشخیص پزشکی دارد. بیماری مزمن کلیوی یکی از شایع ترین بیماری های مربوط به کلیه در سراسر جهان است که تسهیل و تسریع در امر تشخیص آن نتایج بسیار مطلوبی بر روند درمان آتی آن خواهد داشت. هدف این پژوهش ارائه مدلی هوشمند برپایه ی تکنیک های یادگیری ماشین جهت تشخیص بیماری نارسایی کلیوی است.
 

این مطالعه از نوع توصیفی-تحلیلی می باشد. داده های مورد استفاده در این تحقیق از تعداد 400 فرد بیمار و غیر بیمار در کشور هندوستان استخراج شده است. این داده ها ابتدا در محیط پایتون پیش پردازش شده و از مشاهدات نویز و دورافتاده پاک شد. سپس الگوریتم های ماشین بردار پشتیبان، پرسپترون چندلایه و درخت تصمیم جهت دسته بندی داده ها به کار گرفته شد. معیارهای ارزیابی Accuracy، Recall و Precision برای ارزیابی عملکرد این دسته بندها محاسبه شد.

با توجه معیارهای ارزیابی محاسبه شده، برای الگوریتم ماشین بردار پشتیبان، مقادیر معیارهای Accuracy، Recall و Precision به ترتیب برابر 97/0، 961/0، 986/0 به دست آمد. یافته ها حکایت از عملکرد بهتر الگوریتم ماشین بردار پشتیبان ازنظر معیار Accuracy دارد. ازنظر معیار Recall، الگوریتم درخت تصمیم با مقدار 963/0 بهترین عملکرد را داشته و از نظر معیار Precision، الگوریتم پرسپترون چندلایه با مقدار 994/0 بهترین عملکرد را در دسته بندی داده ها داشتند.

 نتایج به دست آمده نشان داد که تکنیک های یادگیری ماشین می توانند در تشخیص بیماری مزمن کلیوی اثرگذار باشند. به کارگیری این تکنیک ها می تواند امور مربوط به تشخیص و درمان این بیماران را تسهیل کند و احتمال بهبودی افراد را بالا برد. همچنین نتایج نشان داد که مدل ارائه شده بر پایه ی تکنیک های یادگیری ماشین، در مقایسه با سایر تکنیک ها دقیق تر، ساده تر و کم هزینه تر استد.