کاربرد برنامه نویسی ژنتیک در تشخیص بیماری دیابت

دیابت یک معضل جهانی است و هر ساله منجر به مرگ و میر تعداد زیادی از افراد می شود و شیوع آن هر ساله افزایش مییابد. به علاوه، تقریبا نیمی از افراد دارای دیابت از مبتلا بودن به این بیماری آگاه نیستند. نشان داده شده است که با پیشگیری یا با شناسایی زودهنگام افرادی که در معرض خطر ابتلا به آن هستند، مشکلات ناشی از آن می تواند به تاخیر بیافتد. به منظور تحقیق این هدف، نیاز به روش های داده کاوی جهت استخراج و کشف الگوهای پنهان در مجموعه داده های دیابت است. این الگوها به تصمیم گیری و تشخیص پزشکی کمک می کنند. در این مطالعه از مجموعه داده PIMA شامل اطلاعات 500 فرد فاقد دیابت و 268 فرد دارای دیابت استفاده شده است. با توجه به وجود مقادیر گمشده و داده های پرت در این مجموعه داده به ترتیب از روش K نزدیکترین همسایگی و k-means استفاده شده است. سپس جهت تشخیص دیابت و تعیین مهمترین عوامل تاثیرگذار بر آن یک مدل مبتنی بر برنامه نویسی ژنتیک بکار برده شده است. صحت، حساسیت و ویژگی مدل پیشنهادی روی مجموعه داده PIMA به ترتیب 32 / 79 ، 96 / 58 و 74 / 90 درصد بدست آمده است. کارایی مناسب مدل در کنار سادگی و جامعیت قوانین استخراج شده، نشان می دهد که برنامه نویسی ژنتیک می تواند به نحو موثری در استخراج قوانین مربوط به تشخیص دیابت عمل کند. همچنین با توجه به نتایج بدست آمده، مهمترین عوامل موثر در افزایش احتمال ابتلا به دیابت ویژگی های غلظت قند خون، شاخص توده بدنی و تعداد دفعات بارداری هستند.

Keywords:

دیابت , PIMA , برنامه نویسی , ژنتیک , KNNi