پيش‌بيني ابتلا به ديابت با استفاده از شبكه عصبي مصنوعي

زمينه و هدف: بيماري ديابت با گسترش روزافزون و بار سنگيني كه در نتيجه كنترل و درمان عوارض به مردم و كشور تحميل مي‌كند به يكي از چالش‌هاي مسئولين درماني و دولتي تبديل شده است. از اين‌رو پيشگيري از بروز و پيشرفت آن در اولويت قرار مي‌گيرد كه اين امر تنها با شناسايي عوامل مؤثر و كنترل آن‌ها امكان‌پذير است. اين مطالعه درصدد پيش‌بيني ابتلا به ديابت بر اساس برخي متغيرهاي مؤثر با كمك روش شبكه‌هاي عصبي مصنوعي است. روش كار: اين مطالعه كه در سال 93 و با كمك نرم‌افزارهاي R2.14.0 و SPSS21 انجام گرفت، بر ‌روي نمونه‌اي شامل 13423 نفر از شركت‌كنندگان در طرح بررسي عوامل خطر بيماري‌هاي غيرواگير در سال 86 انجام شده است. سن افراد بالاي 25 سال بوده و هيچ‌كدام ديابت كنترل شده نداشته‌اند. براي بررسي اين داده‌ها از مدل شبكه عصبي مصنوعي سه لايه استفاده شد و براي انتخاب بهترين مدل از سطح زير منحني راك (AURC) و صحت پيش‌بيني استفاده شده است. هر دو تابع فعاليت در اين مدل سيگموئيد بوده است. يافته‌ها: مدل شبكه عصبي مصنوعي سه لايه با معماري (53:20:2) با سطح زير منحني راك 72.7 درصد و صحت پيش‌بيني آموزش 92 درصد و صحت پيش‌بيني آزمون 91.6 درصد بهترين مدل شناخته شد. نتيجه‌گيري: با توجه به عدم نياز مدل شبكه عصبي مصنوعي به پيش‌فرض‌هاي معمول روش‌هاي كلاسيك آماري و صحت پيش‌بيني بالاي مدل شبكه عصبي مصنوعي (53:20:2) پيشنهاد مي‌شود از اين مدل براي پيش‌بيني ابتلا به بيماري ديابت استفاده شود.