رومین فرزانه - دانشجوی کارشناسی ارشد IT، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران
سینا دامی - استادیار گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران

در چند دهه ی اخیر، کاربرد سامانه های توصیه گر در تصمیمات پزشکی به یکی از حوزه های مهم در علوم پزشکی مبدل گشته است. یکی از ترندهای تحقیقاتی که تا کنون در این حوزه انجام شده است توسعه سامانه هایی بوده که بتوانند در امور تشخیص بیماریهای مختلف تا حد زیادی به پزشکان کمک کنند. بیماریها براساس قابلیت انتقال به دو گروه واگیر و غیرواگیر تقسیم می شود. بیماریهای غیرواگیر که گاه از مهمترین آنها با عنوان بیماریهای مزمن یاد میشود، مسری نبوده و از فردی به فرد دیگر منتقل نمیشوند اما در عوض مدت طولانی در بدن باقی میمانند و به کندی نیز پیشرفت میکنند. این نوع از بیماریها معمولا0 صعب العلاج است و دوره درمان آن طولانی و مراحل بهبود آن دشوار میباشد. از جمله بیماریهای شایع غیرواگیر میتوان به امراض قلبی عروقی، سرطان، دیابت، بیماریهای مزمن انسداد ریوی، آسم، اضافه وزن و چاقی اشاره کرد. در حالت عادی تشخیص بیماریهای غیرواگیر توسط پزشکان بدلیل خطای انسانی دارای محدودیتهایی است که نمونه آن را در شرایط استفاده از سامانه های توصیه گر نخواهیم داشت. سامانه های توصیه گر با استفاده از ابزارهای داده کاوی میتوانند پیشنهادهای مناسبی برای انتخاب از بین حجم وسیعی از داده برای ما فراهم سازند. همچنین، استفاده از این سامانه ها در پزشکی باعث کاهش هزینه های درمان، تشخیص زودهنگام و حتی در برخی موارد بهصورت پیشبینی و قبل از ابتلاء میشود. در این پایان نامه، یک سامانه توصیه گر آگاه از اعتماد مبتنی بر ماشین یادگیری افراطی برای تشخیص بیماری در حوزه پزشکی معرفی میشود که با استفاده از آن و با دریافت اطلاعات پزشکی اولیه میتوان در خصوص هر فرد، ابتلاء به بیماریهای شایع غیرواگیر را پیشبینی کرد. نتایج تجربی برروی نمونه های بیماران پایگاه Medicare نشان داد که سیستم پیشنهادی در مقایسه با سیستمهای پایه از خطای کمتر و دقت بالاتری برخوردار است.

تشخیص بیماری، سامانه توصیه گر، بیماریهای شایع، بیماریهای غیرواگیر، ماشین یادگیری افراطی