تحقق پیش بینی زودهنگام بیماری مزمن کلیوی براساس شناسایی موثرترین روش های داده کاوی

با توجه به اینکه عوامل مختلفی در پیدایش بیماری های مزمن کلیوی دخالت دارند این بیماری با علایم مختلف بالینی و آزمایشگاهی ظاهر می شود. این تنوع در تعداد و نوع علایم بالینی، پزشک معالج را در بسیاری از موارد گمراه می سازد. پژوهش حاضر با هدف استخراج ویژگی های کلیدی بیماری و یافتن بهترین روش های داده کاوی که باعث بهبود صحت تشخیص و پیش بینی بیماری کلیوی می شود، صورت گرفته است.

در این مطالعه، اطلاعات و علایم بالینی مربوط به بیماران مبتلا به بیماری کلیوی، از بیمارستان علی بن ابیطالب رفسنجان از شهریور 1399 تا اسفند 1401 به مدت 30 ماه گردآوری شدند. مدل های پیش بینی با استفاده از ترکیب های مختلف از ویژگی های بیماری و هفت روش داده کاوی، در نرم افزار RapidMiner studio ایجاد شده و مورد آزمایش قرار گرفتند.

نتایج آزمایش‏های این مطالعه نشان می دهد که مدل پیش بینی ارایه شده با استفاده از روش بیز و هشت ویژگی کلیدی شناسایی شده (سن، بیوپسی کلیه، اورمی، سدیمانتاسیون، آلبومینوری، ورم، شب ادراری و وزن مخصوص ادرار)، می تواند ابتلا به بیماری کلیوی را در افراد با ویژگی های بالینی مختلف با دقت 38/99% تشخیص دهد. 

با توجه به اینکه تشخیص زودهنگام بیماری کلیوی و اتخاذ روش درمان مناسب، می تواند از پیشروی آسیب کلیوی جلوگیری کند، از این رو در این مطالعه سعی شده است با بکارگیری شیوه های نوین آماری و تکنیک های هوش مصنوعی در تحقق این هدف گام برداشت. براساس روش پیشنهادی و آزمایشات انجام شده، مهمترین ویژگی ها و بهترین روش داده کاوی به دست آمد و در نهایت پیش بینی بیماری کلیوی با دقت بالا میسر گردید.