پيشنهاد يك راه‌كار فناورانه موثر جهت تشخيص زودهنگام بيماري كوويد19: مطالعه مبتني بر يادگيري ماشين داده محور

هدف: تشخيص صحيح، دقيق و به ‌موقع بيماري كوويد19 با استفاده از فناوري‌هاي هوش مصنوعي و يادگيري ماشين نقش مهمي در بهبود شاخص‌هاي بيماري، استفاده بهينه از منابع محدود بيمارستاني و كاهش بار كاري كاركنان خط مقدم پاندمي خواهد داشت. بنابراين هدف پژوهش حاضر ارزيابي كارايي الگوريتم‌هاي منتخب داده‌كاوي در تشخيص بيماري كوييد19 خواهد بود.روش‌ها: پژوهش حاضر يك مطالعه گذشته‌نگر و توصيفي كاربردي است. در اين مطالعه از داده‌هاي بيماران بستري شده با تشخيص قطعي كووييد19 در بازه زماني 27 اسفند 1398 لغايت 20 آذر 1399 كه در پايگاه داده پرونده الكترونيك سلامت بيماري كوويد19 بيمارستان آيت‌الله طالقاني شهرستان آبادان ثبت شده است، استفاده گرديد. پس از اعمال معيارهاي ورود و خروج براي شناسايي نمونه‌ها در نهايت 400 ركورد به عنوان ورودي و تغذيه وارد نرم‌افزار داده كاوي وكا ورژن 3.9 شد. داده‌ها با استفاده از ملاك كاي دو براي تعيين متغيرها به منظور آموزش الگوريتم‌ها، عملكرد آن‌ها براساس معيارهاي مختلف ارزيابانه در ماتريس آشفتگي مورد مقايسه قرار گرفتند.نتايج: براساس مقايسه عملكرد الگوريتم‌هاي داده‌كاوي با توجه به معيارهاي ارزيابانه در ماتريس آشفتگي، الگوريتم J-48 با ميزان حساسيت، دقت، و ضريب همبستگي ماتيوس به ترتيب 0/85، 0/85، 0/68 عملكرد بهتري نسبت به ساير الگوريتم‌هاي داده‌كاوي براي تشخيص بيماري كوويد19 داشت. 3 متغير وجود ضايعات ريوي، تب و سابقه تماس با افراد مظنون به كرونا با در نظر گرفتن شاخص جيني ايندكس براي تعيين نقطه تقسيم، به ترتيب با ميزان جيني ايندكس 0/217، 0/205 و 0/188 به عنوان مهم ترين فاكتورهاي موثر در تشخيص كرونا در نظر گرفته شدند. نتيجه‌گيري: استفاده از روش‌هاي داده كاوي منتخب و به طور خاص الگوريتم J-48 قابليت بالايي در تشخيص به موقع و اثربخش بيماري كوويد19 در قالب سيستم‌هاي پشتيبان تصميم يار باليني خواهد داشت.