تشخيص عوارض ناخواسته دارويي با به‌كارگيري الگوريتم‌هاي هوش‌مصنوعي قابل‌تفسير

مقدمه و هدف: استفاده بيماران از داروها مي‌تواند عوارضي به‌صورت ناخواسته داشته‌باشد كه يك نگراني بزرگ ايمني است. امروزه با پيشرفت فناوري و گسترش استفاده از شبكه‌هاي اجتماعي در دنيا، بيماران تجربيات استفاده از داروها و عوارض ناخواسته احتمالي آن‌ها را با يكديگر به اشتراك مي‌گذارند. بنابراين، وجود يك روش هوشمند كه بتواند به‌دقت با استفاده از نظرات بيماران وجود عوارض ناخواسته داروهاي مصرف شده را تشخيص دهد ضروري است. هدف از اين مطالعه، استفاده از الگوريتم‌هاي هوش‌مصنوعي قابل‌تفسير به‌منظور شناسايي وجود يا عدم وجود عوارض ناخواسته دارويي از روي نظرات بيماران مي‌باشد تا به پزشكان در شناسايي عوارض ناخواسته كمك نمايد. روش كار: از مدل‌هاي درخت تصميم، ك-نزديك‌ترين همسايه و جنگل تصادفي به‌همراه 213،869 (80 درصد براي آموزش و 20 درصد براي آزمايش) نظرات بيماران كه به‌طور دقيق پيش‌پردازش شده‌اند به‌منظور تشخيص وجود عوارض ناخواسته داروها استفاده شد. افزون بر اين، از يك روش تفسيرپذيري به‌منظور توضيح و تفسير بهترين مدل هوش‌مصنوعي توسعه داده شده در اين مطالعه استفاده شد تا در مدل‌هاي جعبه سياه هوش‌مصنوعي شفافيت را براي پزشكان در نحوه تصميم‌گيري مدل ايجاد كند. يافته‌ها: مدل‌هاي درخت تصميم دقت 75/90 درصد، ك-نزديك‌ترين همسايه دقت 70/68 درصد و جنگل تصادفي دقت 76/12 درصد را به‌ترتيب توانسته‌اند به‌دست آورده‌اند. مدل جنگل تصادفي بهترين كارايي را از خود در مقايسه با ساير الگوريتم‌ها نشان داد. با استفاده از روش تفسيرپذيري براي تحليل تصميم‌گيري الگوريتم جنگل تصادفي، اين الگوريتم به‌درستي توانسته‌بود در نظرات بيماران كلمات كليدي بيان كننده وجود عوارض ناخواسته داروهاي مصرفي را شناسايي و تشخيص دهد. نتيجه‌گيري: نتايج اين مطالعه، نشان داد كه استفاده از الگوريتم‌هاي هوش‌مصنوعي مي‌تواند به‌سرعت وجود عوارض ناخواسته داروها را در نظرات بيماران تشخيص دهند. به‌دليل وجود نگراني ايمني و ايجاد اعتماد پزشكان نسبت به مدل اين مطالعه از يك روش تفسيرپذير براي تحليل نتايج استفاده شد. الگوريتم جنگل تصادفي پيشنهادي اين مطالعه، مي‌تواند به‌عنوان يك دستيار كمكي به پزشكان در شناسايي عوارض ناخواسته دارويي كه تا پيش از اين تشخيص داده نشده بودند كمك نمايد.