محمود اکبریان، خدیجه پایدار، شراره رستم نیاکان کلهری، عباس شیخ طاهری،
دوره 73، شماره 4 - ( تیر 1394 )
چکیده
زمینه و هدف: لوپوس اریتماتوی سیستمیک (SLE) بیماری خودایمنی چند سیستمی با تظاهرات متنوع و رفتار متغیر می‌باشد. بارداری برای زنان با SLE به‌عنوان چالش مطرح است. مشاوره پیش از بارداری به دلیل برآورد ریسک نتایج نامطلوب در مادر و جنین با استفاده از داده‌های مناسب ضروری است. هدف این مطالعه، طراحی شبکه عصبی مصنوعی برای پیش‌بینی نتایج حاملگی در زنان باردار لوپوسی بود.
روش بررسی: در این بررسی گذشته‌نگر، 45 متغیر تاثیرگذار در نتایج حاملگی زنان باردار لوپوسی شناسایی شده و پرونده‌های این بیماران در بیمارستان شریعتی (104 بارداری) و یکی از مراکز خصوصی (45 بارداری) از سال 1360 تا 1392، در مرداد و شهریور ماه سال 1393 بررسی و متغیرهای مورد نظر استخراج گردید. با استفاده از رگرسیون لاجستیک باینری در SPSS, ver. 20 (Chicago, IL, USA) متغیرهای تاثیرگذار در نتایج بارداری شناسایی شد. متغیرهای انتخابی به‌عنوان ورودی شبکه استفاده شد. شبکه پرسپترون چندلایه (Multi-layer Perceptron, MLP) پیش‌خور با الگوریتم پس انتشار گرادیان توام مدرج در MATLAB, ver. R2013b (Natick, MA, USA) طراحی و مورد ارزیابی قرار گرفت. برای ارزیابی شبکه از ماتریس کانفیوژن استفاده شد.
یافته‌ها: دوازده متغیر که 05/0>P داشتند به عنوان متغیرهای تاثیرگذار، به همراه 4 متغیر به‌نسبت تاثیرگذار با 1/0P<، برای پیش‌بینی نتایج حاملگی در بیماران لوپوسی با استفاده از رگرسیون لاجستیک شناسایی شد. از این 16 متغیر به عنوان ورودی شبکه پرسپترون چند لایه استفاده گردید. صحت، حساسیت و ویژگی بهترین شبکه عصبی طراحی شده در داده‌های تست به ترتیب 9/90%، 0/80%، 1/94% و در کل داده‌ها به ترتیب 3/97%، 5/93%، 0/99% بود.
نتیجه‌گیری: با استفاده از فاکتورهای تاثیرگذار شناسایی شده در این مطالعه و استفاده از شبکه پرسپترون چند لایه (MLP) برای پیش‌بینی سقط خودبه‌خودی جنین و نوزاد سالم، می‌توان به درستی، پیامد بارداری در زنان لوپوسی را پیش‌بینی نمود.
عاطفه صدیق‌نیا، شراره رستم نیاکان کلهری، مهشید ناصحی، احمد علی حنفی بجد،
دوره 77، شماره 4 - ( تیر 1398 )
چکیده
زمینه و هدف: یکی از بیماری‌های عفونی مهم با مرگ‌ومیر بالا در جهان، سل می‌باشد که هیچ کشوری از آن مصون نیست و امروزه به‌علل مختلف مانند بیماری‌های زمینه‌ای بروز آن بار دیگر در حال افزایش می‌باشد. براساس آخرین گزارش سازمان بهداشت جهانی از وضعیت سل در ایران، سل مقاوم به دارو (MDR-TB) و سل در افراد دارای ویروس نقص ایمنی انسانی (Human immunodeficiency virus, HIV) در کشور رو به افزایش است. پیش‌بینی بروز برای پیشگیری، مدیریت و کنترل بهتر این بیماری امری لازم می‌باشد. هدف این مطالعه ایجاد سیستم پیش‌بینی کننده میزان بروز سل می‌باشد.
روش بررسی: تحلیل گذشته‌نگری بر روی ۱۰۶۵۱ بیمار مسلول ثبت شده بین اول فروردین ۱۳۹۳ تا پایان اسفند ۱۳۹۴ در سیستم وزارت بهداشت، درمان و آموزش پزشکی ایران انجام گرفت. پارامترهای قابل استناد جداسازی شدند و به‌صورت مستقیم، ادغام و یا تولید شاخص جدید در نظر گرفته شدند.
یافته‌ها: ۲۳ متغیر مستقل وارد مطالعه شد که با سنجش همبستگی و محاسبه رگرسیون، ۱۲ متغیر با ۰/۰۱P≤ در اسپیرمن و ۰/۰۵P≤ در پیرسون مرتبط شناخته شد. بهترین نتایج ۰/۹۳R= و ۱۰/۹۶MSE= در داده‌های آموزش، صفر و صفر در داده‌های اعتبارسنجی و ۰/۹۱R= و ۱۳/۲۳MSE= در داده‌های تست و همچنین نمودار رگرسیون چشمگیری از شبکه ایجاد شده با الگوریتم‌های سری زمانی شبکه عصبی در متلب به‌دست آمد.
نتیجه‌گیری: نتایج مطالعه حاضر بیانگر این است که هوش مصنوعی برای استخراج دانش از داده‌های خام جمع‌آوری شده مربوط به بیماری سل عملکرد مناسبی دارد و می‌توان از آن برای پیش‌بینی موارد جدید این بیماری استفاده کرد.
