مجله

Mendeley  

Zotero  

No title ###. ijdld 2013; 12 (3) :245-259
URL: http://ijdld.tums.ac.ir/article-1-5011-fa.html

مقدمه: یکی از عوارض خطرناک بیماری دیابت نوع 1، افزایش و یا کاهش ناگهانی سطح غلظت قند خون می‌باشد که باعث بروز خطراتی مانند اغما و بیهوشی خواهد شد. انسولین و گلیبن‌کلامید، دو دارویی هستند که در اثر تجویز دُز صحیح، سطح غلظت قند خون را در نهایت، به درستی تنظیم می‌کنند تا از بروز چنین عوارضی پیشگیری شود. بنابراین استفاده از روشی مناسب به منظور پیش‌بینی یا تجویز صحیح این دارو‌ها و در نهایت پیشگیری از این عوارض، گام مهمی در جهت کنترل بهینه بیماری محسوب می‌شود. در این تحقیق ما بر آن هستیم، تا با استفاده از ترکیب الگوریتم‌های داده‌کاوی و هوش مصنوعی، پیش‌بینی صحیحی از دُز انسولین وگلیبن‌کلامید برای بیماران انجام دهیم.
روش‌ها: مراحل ایجاد سیستمی هوشمند به منظور تعیین و پیش‌بینی میزان صحیح انسولین و گلیبن‌کلامید بدین صورت است؛ که ابتدا لازم است تا شرایط و پارامترهایی که در میزان و دُز دارو (انسولین و گلیبن‌کلامید) برای بیماران دخیل هستند را شناسایی نماییم، سپس بانک جامعی مبتنی بر این ویژگی‌ها تشکیل دهیم، با همکاری تیم پزشکی مرکز تحقیقات دیابت شهرستان سبزوار، بانک جامعی در 3 مرحله براساس اطلاعات 110 بیمار و 258 مورد مشکوک آن مرکز طراحی شد، سپس طبق قاعده سیستم‌های هوشمند و شبکه‌های عصبی مصنوعی، مدلی به منظور پیش‌بینی میزان دُز انسولین و گلیبن‌کلامید برای بیماران طراحی شد.
یافته‌ها: سیستم پیشنهادی با استفاده از ترکیب روش‌های مذکور موفق شد با تکیه بر ویژگی‌های پایگاه داده در قالب ترکیب و تعامل به دقت پیش بینی‌بیش از 95% دست یابد. در مقایسه با روش‌های رایج از یکطرف و روش‌های مصنوعی از طرف دیگر (غالباً در بهترین حالت دقت و صحت قدرت پیش‌بینی آن‌ها در حدود 85% برای مدت زمان کمتر از 3 ساعت بوده است) به خوبی مشخص شد که، عملکرد سیستم پیشنهادی، مناسب‌تر، سریعتر و تا حدودی مطمئن‌تر از سایر روش‌های ترکیبی هوشمند است.
نتیجه‌گیری: این تحقیق با ارائه یک روش و مدل برگرفته از واقعیت و شرایط بیماران؛ میزان صحیح و تجویز شده دارو برای آنها را مشخص می‌کند، این در حالی است که نسبت به روند طبیعی تجویز توسط پزشکان، علاوه بر افزایش سرعت در تعیین میزان دارو، دارای صحت و مقبولیت و دقت قابل قبولی می‌باشد.