مصطفی لنگری زاده - Iran university of medical sciences
فاطمه مقبلی - Ph.D. Student in Medical Informatics, Health Information Management Dept., School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran.
محمدرضا علی بیک - Iran university of medical sciences

مقدمه: با پیشرفت فناوری در دهه اخیر، استفاده از الگوریتم های یادگیری ماشین در پیش بینی بیماری ها بسیار حائز اهمیت و رو به افزایش است. هدف از مطالعه حاضر بررسی اهمیت یکی از الگوریتم های پرکاربرد در پیش بینی بیماری ها به نام شبکه بیزین ساده و همچنین دسته بندی مقالات مرتبط با پیش بینی بیماری ها با الگوریتم های داده کاوی می باشد. روش: مطالعه حاضر یک پژوهش مروری نظام مند است. جستجوی کامل از طریق پایگاه های داده آنلاین و موتورهای جستجو از قبیل Scopus، Science Direct، Web of Science و Medline برای یافتن مقالات در بازه زمانی سال های ۲۰۰۷ تا ۲۰۱۷ انجام گرفت. نتایج: در مجموع ۹۰ چکیده یافت شد که ۲۷ مقاله با معیارهای ورود و خروج مطالعه همخوانی داشت. شبکه بیزین ساده در مقایسه با بقیه الگوریتم های موجود برای پیش بینی بیماری ها قرار گرفت که در ۹۲ درصد (۲۵ از ۲۷ مقاله) نتایج، الگوریتم بیزین از کارایی بهتری برخوردار بود. نتایج پژوهش انجام شده موید اثربخشی الگوریتم بیزین ساده در پیش بینی بیماری ها بود. نتیجه گیری: شبکه بیزین ساده یکی از بهترین روش های پیش بینی بیماری ها در مقایسه با نظر متخصصان و الگوریتم های موجود دیگر می باشد که می تواند به عنوان روش حمایتی در کنار تصمیمات پزشکان قرار گیرد تا صحت پیش بینی بیماری ها را ارتقاء دهد.

Naïve Bayesian algorithm, Predicting disease, Bayesian network, الگوریتم بیزین ساده, پیش بینی بیماری, شبکه بیزین