طراحي و پياده‌سازي سيستم تصميم يار باليني براي تشخيص و پيش‌بيني بيماري نارسايي مزمن كليه

هدف: بيماري نارسايي مزمن كليه (Chronic kidney disease, CKD) يكي از مهم‌ترين نگراني‌هاي سلامت عموم در سراسر جهان است. افزايش مداوم تعداد بيماران مبتلاء به مرحله نهايي نارسايي كليه (End stage renal disease, ESRD) كه براي زنده ماندن نياز به پيوند كليه و صرف هزينه‌هاي زيادي دارند، اهميت تشخيص زودرس و درمان به موقع بيماري را برجسته‌تر كرده است. هدف از مطالعه حاضر طراحي يك سيستم تصميم يار باليني براي تشخيص CKD و سپس پيش‌بيني مرحله پيشرفته بيماري براي مديريت و درمان بهتر بيماران مي‌باشد. مواد و روش‌ها: در اين مطالعه گذشته‌نگر - توسعه‌اي، مدارك باليني 600 بيمار مشكوك به CKD با 22 متغير كه طي سال‌هاي 1398 و 1399 به بيمارستان شهيد لبافي‌نژاد تهران مراجعه كرده بودند، مورد بررسي قرار گرفت. بر اساس متغيرهاي استخراجي، الگوريتم‌هاي داده كاوي مانند بيزين ساده، جنگل تصادفي، درخت تصميم J48 و شبكه عصبي پرسپترون چندلايه ايجاد شدند. سپس عملكرد مدل‌هاي طراحي شده بر اساس معيارهاي ارزيابي عملكرد الگوريتم‌هاي طبقه‌بندي‌كننده و روش K-Fold cross validaton مورد مقايسه قرار گرفت. در نهايت مناسب‌ترين مدل پيش‌بيني‌كننده بر اساس مقايسه نتايج حاصل از ارزيابي عملكرد الگوريتم‌ها و با به كارگيري زبان برنامه‌نويسي C# پياده‌سازي گرديد. يافته‌ها: الگوريتم طبقه‌بندي جنگل تصادفي با ميزان صحت 99.8% و 88.66%، اختصاصيت 100% و 93.8%، حساسيت 99.75% و 88.7%، ضريب اف 99.8% و 88.7%، ميزان كاپا 99.4% و 82.73% و سطح زير نمودار(ROC) 100% و 90.52% به عنوان بهترين مدل داده كاوي به ترتيب براي تشخيص و پيش‌بيني CKD شناسايي شد. نتيجه‌گيري: در مجموع سيستم MC-DMK توسعه‌يافته بر اساس الگوريتم جنگل تصادفي مي‌تواند در محيط‌هاي واقعي باليني به صورت كاربردي مورد استفاده قرار گيرد.