ارايه يك روش بهبود يافته در سيستمهاي انفورماتيك پزشكي جهت تشخيص برخي از بيماريها به كمك هوش مصنوعي

تكنيك هاي داده كاوي در زمينه پزشكي رشد روزافزوني داشته است. استخراج قواعد طبقه بندي نوعي داده كاوي است كه دردانشي به شكل چندين قانون ساده و فهم پذير از داده كشف شده ودر آينده براي تصميم گيري و پيشگويي به كار برده مي شود. شايعترين بيماري هايي كه امروزه مطرح است بيماري هاي عروق كرونر،نارسايي قلبي، سكنه قلبي، ريتمي قلبي و كارديوميوپاتي مي باشند،رشد چشم گير اين بيماري ها و اثرات و عوارض ها و هزينه هاييكه برجامعه وارد مي كند باعث شده است كه جامعه پزشكي به دنبال برنامه هايي جهت بررسي بيشتر پيشگيري، شناسايي زود هنگام ودرمان موثر باشند. هدف اين مقاله پيش بيني با خطاي كمتر اين بيماري ها در داده هاي بيمارستان ها با استفاده از ويژگي ها وارتباطات بين ويژگي هاي مرتبط با بيماري از طريق تركيب تكنيك هاي مختلف داده كاوي مي باشد. داده ها مورد استفاده در اين مقاله با استفاده از متغيرهاي شناخته شده در پايگاه تشخيص بيماري قلبي موجود در مركز UCI از بيمارستان هاي سطح كشور جمع آوري شده است كه شامل اطلاعات 994 بيمار مي باشد اين اطلاعات در قالب فايل اكسل با 18 ويژگي جمع آوري شده كه فيلد آخر نظر پزشك معالج مبني بر حمله قلبي يا عدم حمله قلبي است. در اين مقاله مدل بدست آمده مبتني بر درخت تصميم علاوه بر توانايي بالا درتشخيص افراد بيمار و همچنين كارآمدترين الگوريتم در تحليل داده هاي عظيم كه داراي بيشترين دقت در تشخيص اين بيماري مي باشد.