پیش بینی زودهنگام دیابت بارداری با استفاده از الگوریتم های درخت تصمیم و شبکه عصبی مصنوعی

مقدمه :

دیابت بارداری با عوارض متعدد کوتاه مدت و درازمدت در مادر و کودک همراه است. شناسایی عوامل خطرزای آن می تواند به تشخیص به موقع و پیشگیری از عوارض مرتبط با آن کمک کند. هدف از این مطالعه طراحی و مقایسه مدل های پیش بینی ابتلا به دیابت بارداری با استفاده از الگوریتم های هوش مصنوعی بود.

برای پیش بینی دیابت بارداری از الگوریتم های درخت تصمیم، و شبکه عصبی مصنوعی استفاده گردید. جامعه پژوهش 1270 زن باردار تحت پوشش مراکز بهداشتی درمانی شهر اهواز بودند که 816 مورد آن ها سالم و 454 مورد مبتلا به دیابت بارداری بودند. جهت ارزیابی کارآیی مدل ها؛ حساسیت، ویژگی، دقت و صحت محاسبه گردید. در نهایت از الگوریتم طبقه بندی AdaBoost برای تقویت مدل پیشنهادی استفاده گردید.

پس از انجام تحلیل مولفه اساسی، نه متغیر برای مدل سازی اولیه انتخاب شدند. که در مدل شبکه عصبی مصنوعی، سطح زیر منحنی راک و حساسیت به ترتیب 83/2 درصد و 85/1 درصد بود، و برای مدل درخت تصمیم نیز سطح زیر منحنی راک و حساسیت به ترتیب 0/826 و 84 درصد به دست آمد. پس از حذف متغیرها با وزن کمتر و تقویت مدل پیشنهادی، سطح زیر منحنی راک و حساسیت افزایش پیدا کرد (0/861 و 92/1 درصد). پنج متغیر شامل: قند خون ناشتا در اولین معاینه بارداری، سابقه دیابت بارداری در بارداری های قبلی، نمایه توده بدنی، سن مادر و سابقه خانوادگی دیابت، بالاترین دقت را در پیش بینی ابتلا به دیابت بارداری داشتند.

نتایج این مطالعه نشان داد که الگوریتم های هوش مصنوعی از دقت و کارآیی قابل توجهی برخوردارند و می توانند با پیش بینی زودرس دیابت بارداری در پیشگیری از پیامدهای منفی آن موثر باشند.