مقایسه مدل شبکه عصبی مصنوعی و درخت تصمیم برای شناسایی و پیش بینی عوامل مرتبط با دیابت نوع 2

هدف: یکی از اهداف تحقیقات پزشکی تعیین عوامل مرتبط در پیش بینی بیماری می باشد. یکی از شایع ترین بیماری هایمتابولیک در ایران، دیابت میباشد. هدف از این مطالعه شناسایی عوامل موثر در پیش بینی دیابت با استفاده از مدل هایشبکه عصبی مصنوعی و درخت تصمیم می باشد.روش بررسی: برای انجام مطالعه، پرونده 901 تن از افرادی که در سال های 91 و 92 به مراکز بهداشتی شهر مشهد مراجعهکرده بودند، استفاده گردید. در ابتدا با استفاده از روش های آمار توصیفی و تحلیلی، داده ها آنالیز شدند. سپس 70 % داده هابه طور تصادفی برای ساخت مدل های شبکه عصبی مصنوعی و درخت تصمیم انتخاب شدند. 30 % باقیمانده برای مقایسهعملکرد مدل ها استفاده شد. در نهایت عملکرد مدل ها با استفاده از سطح زیر منحنی راک (ROC) مورد مقایسه قرار گرفت.یافته ها: توسعه دو مدل پیش بینی با استفاده از 14 متغیر انجام شد. دو مدل از نظر سطح زیر منحنی راک، حساسیت،ویژگی و صحت مورد ارزیابی قرار گرفتند. برای مدل شبکه عصبی، سطح زیر منحنی راک و حساسیت به ترتیب 69/1 و 74/2 بدست آمد. برای مدل درخت تصمیم نیز سطح زیر منحنی راک و حساسیت به ترتیب 9 / 68 و 77 / 64 بدست آمد. در هر دومدل متغیرهای سابقه خانوادگی دیابت، تری گلیسرید، شاخص توده بدنی، لیپوپروتیین با چگالی کم و فشار خون سیستولیکو دیاستولیک مهم ترین عوامل مرتبط در شناسایی دیابت نوع 2 بودند.نتیجه گیری: نتایج نشان داد که مدل شبکه عصبی چند لایه سطح زیر منحنی راک بهتری نسبت به درخت تصمیمCART در پیش بینی دیابت نوع 2 دارد. همچنین لیپوپروتیین با چگالی کم مهم ترین عوامل مرتبط در شناسایی دیابت نوع2 می باشد. مطالعه حاکی از آنست که روش های داده کاوی نوین از جمله شبکه عصبی مصنوعی و درخت تصمیم می توانندبرای شناسایی عوامل مرتبط با بیماری ها مورد استفاده قرار گیرند.

Keywords:

درخت تصمیم , شبکه عصبی مصنوعی , داده کاوی , دیابت