ارایه قانون تشخیصی جدید برای بیماری پارکینسون مبتنی بر روش استخراج ترکیبی

بیماری پارکینسون یک معضل بهداشت جهانی مهم است که با گذشت زمان علایم آن شدیدتر میشود. تشخیص و درمان سریع این بیماری منجر به بهبود مهارتها، توانمندیها و عملکرد مبتلایان در کارهای روزمره زندگی میشود. بهمنظور تشخیص زودهنگام این بیماری، تولید سیستمهای کمک تصمیمیار بالینی که قادر به کشف قوانین تشخیصی این بیماری باشند، ضروری است.

در این مقاله یک روش خودکار استخراج قوانین تشخیصی جدید برای بیماری پارکینسون ارایه میشود. روش پیشنهادی مبتنی بر رگرسیون منطقی و الگوریتم شبیهسازی تبرید است. جهت ارزیابی روش از مجموعه داده پارکینسون آکسفورد استفاده شده که اطلاعات 23 فرد مبتلا به پارکینسون و 8 فرد سالم را در قالب 195 رکورد ذخیره کرده است. برای هر رکورد 23 ویژگی ذخیره شده که شامل 22 اندازهگیری صوتی است.

نتایج بهدست آمده شامل دو قانون تشخیصی است؛ در سیستمهای خودکاری که صحت بالا اولویت دارد، یک قانون جدید شامل 21 عبارت منطقی ارایه شده است که دارای صحت 31/92 ،حساسیت 42/85 و ویژگی 56/94 درصد است. همچنین برای سیستمهای بلادرنگ و کمک تصمیمیار بالینی با قابلیت تفسیرپذیری بالا، قانونی متشکل از سه عبارت منطقی پیشنهاد شده است که دارای صحت 97/78 ،حساسیت 08/77 و ویژگی 59/79 درصد است.

نتایج به دست آمده نشان دهنده قدرت بالای تفسیرپذیری و قابلیت اعتماد قانون به دست آمده در تشخیص بیماری پارکینسون است که میتواند در پیادهسازی سیستمهای از راهدور تشخیصی استفاده شود.