شناسایی عوامل موثر و پیش بینی بیماری ایسکمیک قلبی با استفاده از روش های یادگیری ماشین و داده های طرح سلامت یزد (YaHS)

بیماری های قلبی و عروقی، از شایع ترین بیماری هایی است که آمار مرگ و میر بالایی را در جهان به خود اختصاص داده است. مقاله حاضر به شناسایی عوامل مختلف موثر بر بیماری های ایسکمیک قلبی و شناسایی افراد مستعد به آن با استفاده از انواع روش های یادگیری ماشین پرداخته است.

پژوهش حاضر بر روی داده های طرح سلامت مردم یزد (یاس) انجام شده است. در این مطالعه، داده های مربوط به سلامت، بیماری ها و عوامل خطر مختلف نزدیک به 10000 نفر در قالب یک پرسش نامه با 300 سوال مختلف جمع آوری شده است. در این پژوهش، با استفاده از محاسبه هم بستگی متغیرهای مختلف جمع آوری شده در طرح یاس، عوامل مهمی که با بیماری های ایسکمیک قلبی مرتبط هستند، جستجو شده اند. سسپس با استفاده از عوامل و الگوریتم های یادگیری ماشین،  مشخصات افراد مستعد بیماری قلبی شناسایی شدند.

نتایج ارزیابی ها نشان می دهد عواملی مانند سن، سابقه بیماری قلبی خانوادگی، فشارخون، دیابت، کلسترول خون، استرس، اضطراب، افسردگی، کیفیت زندگی، کیفیت خواب، فعالیت فیزیکی، مصرف دخانیات و تغذیه فرد با بیماری ایسکمیک قلبی ارتباط دارند. هم چنین از بین روش های یادگیری ماشین مختلف روش نزدیک ترین همسایگی با 5 خوشه، روش شبکه عصبی عمیق و پرسپترون چند لایه با معیار ارزیابی فراخوان به مقادیر 99/94%، 99/88% و 99/11% به ترتیب بهترین عملکرد را در شناسایی افراد بیمار داشته اند.

کنترل عواملی از جمله فشارخون، دیابت، کلسترول، استرس، اضطراب، افسردگی، بهبود دادن عواملی مانند کیفیت زندگی، وضعیت خواب، فعالیت فیزیکی، الگوی تغذیه افراد و ترک مصرف دخانیات در ارتقا سلامت ساکنان یزد موثر است. از سوی دیگر شناسایی افراد مستعد بیماری های ایسکمیک قلبی با استفاده از روش های یادگیری ماشین نسبت به روش های سنتی غربالگری که با مراجعه به مراکز درمانی و پزشک و انجام آزمایش های مختلف صورت می گیرد، سریع تر و با صرف هزینه کمتر انجام می شود.