مقايسه برآورد نمره ناتواني بيماران مالتيپل اسكلروزيس با مدل‌هاي شبكه عصبي مصنوعي و درخت تصميم

زمينه و هدف: مالتيپل اسكلروزيس Multiple sclerosis, MS)) جزو ناتوان‌كننده‌ترين بيماري در بالغين جوان است. آگاهي از نمره ناتواني اين بيماران (Expanded disability status scale, EDSS)، در انتخاب روند درماني آنان مفيد است. محاسبه EDSS وقت زيادي از پزشك متخصص مي‌گيرد. هدف از اين مطالعه برآورد نمره EDSS بيماران MS با استفاده از مدل‌هاي شبكه عصبي مصنوعي (ANN) و درخت تصميم (DT) بود. روش بررسي: اين مطالعه مقطعي بر روي داده‌هاي مطالعه رجيستري MS استان كرمانشاه از ارديبهشت 1396 تا آذر 1397 انجام شد. 12 متغير شامل اطلاعات دموگرافيك، اطلاعاتي در مورد بيماري MS افراد و نمره EDSS آنان از مجموعه داده‌ها استخراج گرديد. نمره EDSS افراد توسط مدل‌هاي ANN و DT نيز برآورد شد. عملكرد مدل‌ها از نظر خطاي برآورد، همبستگي و ميانگين نمره برآورد شده، مورد مقايسه قرار گرفت. از (Waikato Environment for Knowledge Analysis (Weka), University of Waikato, New Zealand) و SPSS software, version 25 (IBM SPSS, Armonk, NY, USA) استفاده شد. يافته‌ها: 353 نفر با ميانگين‌هاي سن 36.47 ±9.1 سال، سن شروع بيماري 30.34±9.2 سال، طول دوره بيماري 6.20 ±5.7 سال و نمره 1.8±2.46 EDSS بررسي شدند. خطاهاي برآورد در مدل DT كمتر از مدل ANN بود. نمره EDSS واقعي همبستگي معني داري با نمره برآورد شده توسط DT (r=0.571) و ANN (r=0.623) داشت. ميانگين EDSS برآورد شده توسط DT (2.46±1.1) تفاوت معناداري با ميانگين EDSS واقعي نداشت (0.621=P). ميانگين EDSS برآورد شده توسط ANN (2.87±1.3) به‌طور معناداري بيشتر از ميانگين EDSS واقعي بود (P 0.05). نتيجه‌گيري: مدل DT نسبت به مدل ANN، نمره EDSS را بهتر برآورد كرد و به نمرات واقعي EDSS نزديكتر بود. با مدل DT مي‌توان EDSS بيماران MS را با دقت مناسبي تخمين زد.