مجله تخصصی

---

مقدمه و اهداف: آمبولی ریه یک رویداد بالقوه کشنده و در عین حال شایع است که در سال‌های اخیر باعث افزایش تدریجی تعداد بستری‌های ناشی از آن در بیمارستان‌ها شده است. به همین دلیل، یکی از چالش برانگیزترین بیماری‌ها نزد پزشکان به حساب می‌آید. هدف اصلی از این پژوهش، گزارش یک پروژه تحقیقاتی به منظور مقایسه الگوریتم‌های مختلف داده‌کاوی برای انتخاب دقیق‌ترین مدل برای پیش‌بینی وقوع آمبولی ریه در بیماران بستری است که به فراهم کردن دانش مورد نیاز کادر درمانی در تصمیم‌گیری بهتر کمک می‌کند.

روش کار: در این پژوهش تلاش شد تا با استفاده از روش‌های مختلف یادگیری ماشین، یک مدل پیش‌بینی طراحی شود که بهترین عملکرد در پیش‌بینی احتمال وقوع آمبولی ریه در بیماران بستری در معرض خطر را داشته باشد. از میان الگوریتم‌های داده‌کاوی، از شبکه‌های بیزی و الگوریتم‌های درخت تصمیم J48، رگرسیون لجستیک و نیز بهینه‌سازی حداقل متوالی استفاده شد. داده‌های مورد استفاده تحقیق، عوامل خطرزا و سوابق گذشته مربوط به بیماران بستری بخش ریه بیمارستان شریعتی تهران بود.

یافته‌ها: بررسی‌ها صورت گرفته نشان می‌دهد که صحت و ویژگی در تمام مدل‌‌های پیش‌بینی از عملکرد مطلوبی برخوردار بوده است، و مدل بیزی در پیش‌بینی وقوع آمبولی ریه، بیشترین میزان حساسیت را داشت.

نتیجه‌گیری: یافته‌ها نشان می‌دهند اگر چه تفاوت کمی در عملکرد مد‌ل‌های پیش‌بینی وجود دارد، اما در این گونه داده‌ها برای پیش‌بینی وقوع آمبولی ریه در بیماران بستری، مدل شبکه بیزی ابزار مناسب‌تری است، که می‌تواند به‌عنوان روش حمایتی در کنار تصمیم‌های پزشکی قرار گیرد تا صحت پیش‌بینی بیماری‌ها را ارتقاء بخشد.