میترا منتظری - مرکز تحقیقات انفورماتیک پزشکی، پژوهشکده آینده پژوهی در سلامت، دانشگاه علوم پزشکی کرمان ، کرمان، ایران
مهدیه منتظری - مرکز تحقیقات مدیریت ارائه خدمات سلامت، پژوهشکده آینده پژوهی در سلامت، دانشگاه علوم پزشکی کرمان، کرمان، ایران
محدثه منتظری - مرکز تحقیقات عوامل اجتماعی موثر بر سلامت، پژوهشکده آینده پژوهی در سلامت، دانشگاه علوم پزشکی کرمان، کرمان، ایران

آینده پژوهی بررسی و مطالعه روشهای است که بتوان در آینده جایگزین مناسبی برای روش های موجود باشند. یکی از مطالعات پرکاربرد آینده پژوهی در حیطه پزشکی یا آینده پژوهی در سلامت است. آینده پژوهی در سلامت به ارائه راه کارهای موثر درمانی می پردازد که در این میان کبد و بیماری های آن یکی از مسایل قابل توجه در حیطه پزشکی است. ابزارهای طبقه بندی اتوماتیک به عنوان یک ابزار کمک تشخیص باعث کاهش بارکاری پزشکان میگردد. اما موضوع نگران کننده این است که بیماریهای کبد به راحتی تشخیص داده نمی شوند و عوامل مختلفی برای این بیماری مطرح میگردد. هدف از این پژوهش جستجوی یک راه کار موثر به منظور تشخیص هوشمند بیماری کبد می باشد به طوری که بتوان به عنوان همیار مناسبی در کنار پزشک در آینده قرار گیرد. روشهای هوشمند مورد استفاده شامل درختهای QUEST ، ,C5.0 CRT و CHAID می باشند. داده استاندارد استفاده شده از سوابق 583 بیمار از شمال شرق آندرا پرادش، هند جمع آوری به عمل آمده که در دانشگاه کالیفرنیا در سال 2012 به ثبت رسیده شدهاست. مجموعه داده توسط 4 مدل درختی از نظر ویژگی، حساسیت، سطح زیر منحنی راک و دقت دسته بندی مقایسه شدند به طوری که مدل CHAID به عنوان بهترین مدل ا رزیابی شدند و دارای بالاترین میزان دقت هستند. لذا بهکارگیری مدل CHAID در زمینه تشخیص بیماری کبد پیشنهاد میشود. این امر در تحقیقات مرتبط باحوزهی سلامت و به خصوص در تخصیص منابع درمانی برای افرادی که پرمخاطره پیش بینی می شوند از اهمیت بالایی برخورداراست.

بیماری کبد، دسته بندی، پیش بینی، درختهای تصمیم CHAID, CRT, C5.0, QUEST