تشخیص بیماری با استفاده از داده کاوی و تحلیل نسخه های پزشکی

سال انتشار: 1400
محل انتشار: پنجمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
کد COI اختصاصی: CEITCONF05_029
زبان مقاله: فارسی
تعداد مشاهده: 1516

نویسندگان

کارشناسی ارشد مهندسی فناوری اطلاعات گروه فناوری اطلاعات، دانشکده صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

محمدهادی زاهدی

دکتری مهندسی کامپیوتر گروه فناوری اطلاعات، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

الهام فراهانی

دکتری مهندسی کامپیوتر دانشگاه صنعتی شریف

چکیده

در حال حاضر تشخیص اشتباه و یا تشخیص دیر هنگام بیماری در صدر خطاهای پزشکی قرار دارد. این خطا نه تنها سالانه منجر به مرگ یا ناتوانی تعداد قابل توجهی از افراد در سراسر دنیا می گردد. بلکه تاثیر غیرمستقیم بر حیات حرف های پزشکان و نیز کیفیت خدمات ارائه شده توسط آنان دارد، به طوری که شکایت از پزشک همواره یکی از مهم ترین عوامل تنش زا برای پزشکان بوده است. لذا داده کاوی در صنعت پزشکی، برای تشخیص و پیش بینی بیماری ها، یکی از زمینه های مورد علاقه محققان در سال های اخیر بوده است. هدف ما در این مقاله استفاده از روش های داده کاوی برای یافتن دانش در یک مجموعه داده از نسخه های پزشکی است که توسط سایت Drugs ارائه شده است. با تجزیه و تح لیل داروهای تجویزی برای هر بیماری، روش پیشنهادی ما ، پیش بینی دسته هر بیماری و نوع بیماری که بیمار از آن رنج می برد، می باشد. به طور کلی نتایج حاصل از پژوهش پیشرو می تواند مورد استفاده ی کادر پزشکی یک بیمارستان شامل متخصصان ، پزشکان عمومی و کادر درمان باشند. به طوری که نه تنها بیماران از تشخیص صحیح بیماری خود و داروی تجویز شده درصد اطمینان بیشتری داشته باشند، بلکه پزشکان و کادر درمان نیز با کاهش درصد خطای خود، از تشخیص و تجویز دارو اطمینان بیشتری حاصل نمایند. به علاوه این امر می تواند منجر به کاهش هزینه ای که شرکت های بیمه جهت جبران خطاهای پزشکی پرداخت می کند، گردد. همچنین این نتایج می تواند بستری برای تحقیقات آتی محققین در این زمینه باشد. مجموعه داده های جمع آوری شده ما شامل جزئیاتی مانند نام بیماری، دسته بیماری و نام داروهای تجویز شده بر ای هر بیمار است. برای برچسب گذاری موارد، گروهی از پزشکان بیماری هر بیمار را تعیین کرده اند. تعدادی آزمایش برای مقایسه عملکرد تکنیک های مختلف داده کاوی برای پیش بینی بیمار ی ها انجام شده است و نتایج نشان می دهد که مدل Stacking پیشنهادی درمقایسه با سایر تکنیک های داده کاوی مانند Naïve Bayes از دقت بالاتری برخوردار است

کلیدواژه ها

داده کاوی، نسخه پزشکی، پیش بینی

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.