مدل طبقه بندی مبتنی بر سیستم استنتاج فازی ممدانی برای تشخیص اختلال تیروئید

طبقه بندی و پیش بینی یکی از مهم ترین کاربردهای روش های آماری در حوزه ی پزشکی است. با توجه به این که طبقه بندی های مبتنی بر مدل های کلاسیک عمدتا بر اساس علائم بالینی موجود بوده و از اطلاعات و دانش افراد متخصص استفاده نمی شود، بنابراین استفاده از یک طبقه بندی کننده که برای طبقه بندی بیماری قادر به ترکیب اطلاعات موجود باشد، ضرورت دارد. لذا هدف از این پژوهش طراحی یک سیستم پشتیبان تصمیم گیری برای طبقه بندی اختلال تیروئید با استفاده از رویکرد منطق فازی است.

 مجموعه داده ها شامل اطلاعات 310 نفر بود که برای بررسی وضعیت بیماری تیروئید خود به بیمارستان شهید بهشتی و کلینیک امام خمینی (ره) همدان در سال 1396 مراجعه کرده اند. از این تعداد 105 نفر سالم، 150 نفر کم کاری تیروئید و 55 نفر پر کاری تیروئید داشته اند. در این سیستم فازی از متغیرهای سن و BMI و هم چنین تست های آزمایشگاهی از قبیل TSH، T4 و T3، نمره ی علائم پرکاری تیروئید و نمره ی علائم کم کاری تیروئید به عنوان پارامترهای ورودی و متغیرخروجی نیز وضعیت سلامت فرد را نشان می دهد و شامل سه حالت سالم، کم کاری تیروئید و پر کاری است. در مدل طبقه فازی طراحی شده مدل استنتاج ممدانی max-min و روش غیر فازی سازی مرکز ثقل (Centroid) با به کار گیری جعبه ابزار فازی در نرم افزار MATLAB.2013 استفاده شده است.

 مدل طبقه بندی فازی مبتنی بر قواعد اگر آنگاه در هر دو مجموعه ی تست و آموزش بر اساس شاخص هایی از قبیل مساحت زیر منحنی راک، دقت، حساسیت و ویژگی از عملکرد بسیار خوبی برای پیش بینی اختلال تیروئید برخوردار است.

سیستم های طبقه بندی فازی مبتنی بر قوانین اگر-آنگاه، با به کارگیری مجموعه هایی که قابلیت هم پوشانی دارند، پتانسیل بالایی برای مدیریت عدم قطعیت مرتبط با تشخیص پزشکی دارند. هم چنین با فراهم کردن امکان استفاده از متغیرهای زبانی در فرآیند تصمیم گیری و طراحی، تفسیر پذیری نتایج را برای پزشکانی که با مفاهیم مدل سازی آشنایی ندارند،  بهبود بخشیده است.