مقایسه ارزش تشخیصی مدل شبکه عصبی مصنوعی با آزمایش های متداول در شناسایی موارد مشکوک به آپاندیسیت حاد

سابقه و هدف: به علت تنوع علائم آپاندیسیت حاد و اشتراک آن با بسیاری از بیماری های شکم، تشخیص آپاندیسیت حاد مشکل است. تاخیر در تایید تشخیص آپاندیسیت می تواند، نتیجه ای مهلک برای بیماران داشته باشد. این مطالعه با هدف مقایسه مدل شبکه عصبی مصنوعی با آزمایش های متداول در تشخیص آپاندیسیت حاد انجام گرفت. مواد و روش ها: ۱۰۰ بیمار مشکوک به آپاندیسیت حاد وارد مطالعه شدند. تعداد گلبول های سفیدخون (WBC)، پروکلسیتونین (PCT)، پروتین واکنشی C (CRP) و درصد نوتروفیلی (PMN) عنوان آزمایش های متداول و مدل شبکه عصبی مصنوعی به عنوان یک روش ترکیبی و نتیجه گزارش پاتولوژی بافت آپاندیس، مبنای تشخیص بیماری در نظر گرفته شد. به منظور مقایسه دقت تشخیصی هر یک از آزمایش ها از منحنی راک ROC)) و جدول حساسیت و ویژگی استفاده گردید. یافته ها: میانگین سنی افراد در این مطالعه ۶۸/۱۲±۰۱/۲۸ سال بود که از این تعداد ۷۱ نفر (۷۱ درصد) مرد بودند. در تحلیل منحنی راک بیشترین سطح زیر منحنی مربوط به مدل شبکه عصبی بود. حساسیت مدل شبکه عصبی ۵۹/۹۷ درصد و میزان حساسیت آزمایش های CRP و WBC نیز به ترتیب برابر ۷۷/۹۲ درصد و ۵۴/۸۵ درصد به دست آمد. بالاترین دقت تشخیصی در میان روش های متداول تشخیص آپاندیسیت حاد، مربوط به مدل شبکه عصبی بود (۸۸ درصد). استنتاج: این مطالعه نشان داد استفاده از روش های ترکیبی ومدل شبکه عصبی می تواند نتایج بهتری برای تشخیص آپاندیسیت حاد به دنبال داشته باشد.

Keywords:

Neural Network Model , appendicitis , C-reactive protein , Leukocytes Count , Procalcitonin , شبکه عصبی مصنوعی , آپاندیسیت حاد , پروتئین واکنشی c , تعداد لکوسیت ها , پروکلسیتونین مقدمه