fa تعیین دوز وارفارین در بیماران بزرگسال ایرانی دارای دریچه مصنوعی قلب با استفاده از شبکه عصبی مصنوعی فناوری اطلاعات سلامت Health Information Technology پژوهشی اصيل Original Research <div style="text-align: justify;"><strong>زمینه و هدف: </strong>هوش مصنوعی شاخه‌ای از علوم کامپیوتر است که توانایی تحلیل داده‌های پزشکی پیچیده را دارد که استفاده از آن در تشخیص، درمان و مراقبت از بیماران رایج است. وارفارین یکی از رایج‌ترین داروهای ضدانعقادی است که تعیین دقیق دوز مورد نیاز بیماران یکی از چالش های عمده در نظام سلامت است که مورد توجه پژوهشگران قرار گرفته است. هدف این پژوهش تعیین دوز وارفارین مورد نیاز بیماران دارای دریچه مصنوعی قلب با استفاده از شبکه‌های عصبی است.<br> <strong>روش بررسی: </strong>تعداد 9 شبکه عصبی پرسپترون چند لایه با ساختارهای متفاوت ایجاد شد. برای ارزیابی عملکرد شبکه‌ها از&nbsp;<br> داده های 846 بیمار استفاده شد که در شش ماهه‌ی دوم سال 92 به درمانگاه PT مرکز قلب تهران مراجعه کرده بودند. تمام شبیه‌سازی‌ها شامل پیش پردازش داده و طراحی شبکه عصبی در محیط Matlab انجام گردید.<br> یافته‌ها: ارزیابی‌عملکرد شبکه‌ها بر اساس روش 10 fold cross انجام شد که نشان داد بهترین شبکه عصبی، شبکه ای است که دارای 7 نورون در لایه‌ی پنهان خود است که دارای میانگین خطای مطلق=0.1، نرخ اغتشاش=0.33 و رگرسیون=0.87 درصد بود.<br> <strong>نتیجه‌گیری: </strong>نتایج پژوهش بیانگر این نکته است که شبکه‌های عصبی مصنوعی بر روی داده‌های بومی قادر به پیش بینی دوز وارفارین در بیماران دارای دریچه قلب مصنوعی می‌باشد. هر چند هیچ سیستمی قادر به ارایه پاسخ صحیح در صددرصد موارد نیست، لیکن این گونه سیستم ها می توانند کمک موثری در کاهش میزان خطاهای پزشکی باشند.</div> <pre style="text-align: justify;"> <span style="font-size:14px;"><span style="font-family:times new roman;"><strong>Background and Aim:</strong> Artificial intelligence is a branch of computer science that has the ability of analyzing complex medical data. Using artificial intelligence is common in diagnosing, treating and taking care of patients. Warfarin is one of the most commonly prescribed oral anticoagulants. Determining the exact dose of warfarin needed for patients is one of the major challenges in the health system, which has attracted the attention of researchers. The purpose of this study was to determine the exact dose of warfarin needed for patients with artificial heart valves using artificial neural networks (ANN). <strong>Materials and Methods:</strong> A total of 9 multi-layer perceptron ANNs with different structures were constructed and evaluated based on a dataset including 846 patients who had referred to the PT clinic in Tehran Heart Center in the second half of the year 2013. Finally, the best structure of ANN for warfarin dose was investigated. All simulations including data preprocessing and neural network designing were done in MATLAB environment. <strong>Results:</strong> The effectiveness of ANNs was evaluated in terms of classification performance using 10-fold cross-validation procedure and the results showed that the best model was a network that had 7 neurons in its hidden layer with an average absolute error of 0.1, turbulence rate of 0.33, and regression of 0.87.&nbsp; <strong>Conclusion:</strong> The achieved results reveal that ANNs are able to predict warfarin dose in Iranian patients with an artificial heart valve. Although no system can be guaranteed to achieve 100% accuracy, they can be effective in reducing medical errors. </span></span> </pre> شبکه عصبی مصنوعی , تعیین دوز وارفارین, یادگیری ماشین Neural Networks, Machine Learning (ML), Warfarin dosing 249 259 http://payavard.tums.ac.ir/browse.php?a_code=A-10-202-2&slc_lang=fa&sid=1 Azam Orooji اعظم اروجی No PhD candidate in Medical Informatics, Health Information Management Department, School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran. دانشجوی دکتری تخصصی انفورماتیک پزشکی، گروه مدیریت اطلاعات سلامت، د انشکده مدیریت و اطلاع رسانی پزشکی،دانشگاه علوم پزشکی ایران، تهران، ایران Mostafa Langarizadeh مصطفی لنگری زاده Langarizadeh.m@iums.ac.ir Yes Assistant Professor, Health Information Management Department, School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran استادیار، گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران Maryam Aghazadeh مریم آقازاده No Master of Sciense in Medical Informatics, Health Information Management Department, School of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran کارشناس ارشد انفورماتیک پزشکی، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران Mehran Kamkarhaghighi مهران کامکار حقیقی No Ph.D. Candidate in Electrical and Computer Engineering, Department of Computer, University of Ontario Institute of Technology (UOIT), Ontario, Canada دانشجوی دکتری مهندسی برق و کامپیوتر، گروه کامپیوتر، دانشگاه صنعتی انتریو، انتریو، کانادا Marjan Ghazisaiedi مرجان قاضی سعیدی No Associate Professor,Health Information Management Department, School of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran دانشیار، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران Fateme Moghbeli فاطمه مقبلی No PhD candidate in medical informatics, Health Information Management Department, School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran. دانشجوی دکتری تخصصی انفورماتیک پزشکی، گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران