ايجاد سيستم تصميم ‌يار باليني براي پيش بيني پوكي استخوان

مقدمه: پوكي استخوان بيماري رايجي در زنان است. شكستگي ها آسيب هاي جبران ناپذيري ايجاد مي كنند. بنابراين، تشخيص زودهنگام اين بيماري و شروع درمان قبل از رخ دادن شكستگي مسئله مهمي است. هدف مطالعه حاضر، ايجاد يك سيستم تصميم يار باليني مبتني بر شبكه هاي عصبي مصنوعي با قابليت تشخيص ابتلا به پوكي استخوان بود. روش كار: مطالعه حاضر از نوع توسعه اي بود كه بصورت مقطعي در نيمه دوم سال ۱۳۹۶ انجام شد. در پژوهش حاضر، ابتدا با شناسايي متغيرهاي تاثيرگذار، پرسش نامه نظرسنجي براي انتخاب مهم ترين عوامل باليني تهيه شد. اطلاعات ۲۵۶ نفر از زنان و تراكم استخوان پنج سال بعد از ثبت اوليه مربوط به زنان مراجعه كننده به واحد سنجش تراكم استخوان دانشگاه علوم پزشكي بوشهر براي آموزش شبكه استفاده شد. براي يافتن بهترين شبكه از روش آزمون و خطا استفاده شد. همچنين، شبكه با الگوريتم هاي گراديان مزدوج و لونبرگماركوارت آموزش داده شد. ارزيابي بر اساس ماتريس آشفتگي و معيار هاي حساسيت، ويژگي و صحت انجام گرفت. يافته ها: در مرحله اول از ۱۵ ويژگي ضروري از نظر پزشكان، مصرف الكل، انحناي پشت و برداشتن رحم، حذف و ۱۲ متغير انتخاب شدند. سپس، شبكه عصبي پرسپترون چند لايه طراحي شد. نتايج نشان داد كه الگوريتم گراديان مزدوج با ۱۰ نرون و الگوريتم لونبرگماركوارت با ۱۲ نرون در لايه مخفي بهترين ساختار شبكه را دارند. علاوه بر آن ، مقايسه صحت نشان داد كه در مجموع الگوريتم لونبرگماركوارت نتايج بهتري داشت. بهترين نتيجه به دست آمده حساسيت، ويژگي و صحت به ترتيب 83/1، 89/4 و 86/3 بود. نتيجه گيري: در مطالعه حاضر، با تمركز بر داده هاي بومي ابزاري توسعه داده شد كه مي تواند در زمينه پيگيري بيماري پوكي استخوان بسيار موثر باشد. استفاده از اين ابزار براي ارجاع به موقع افراد بيمار و شروع درمان مي تواند از رخ دادن شكستگي عوارض جبران ناپذير پوكي استخوان جلوگيري كند.