ارائه مدلی برای پیش‎ بینی احتمال ابتلا به بیماری پوکی استخوان با استفاده از الگوریتم های درخت تصمیم

سابقه و هدف: امروزه بیماری هایی مانند پوکی استخوان که بدون هیچ علامتی ناگهان فرد مبتلا را به شکستگی های زیادی در نواحی مختلف بدن از جمله ستون فقرات، قفسه سینه، دست ها و پاها دچار می سازد و در نهایت باعث مرگی دردناک می شود در اغلب سالخوردگان مشاهده می شود. به گزارش وزارت بهداشت ۶/۴ درصد افراد ۲۰ تا ۷۰ سال در ایران به پوکی استخوان در ستون فقرات مبتلا هستند. هدف این مقاله تعیین عوامل تاثیرگذار در بروز پوکی استخوان و نیز ارائه مدل پیش بینی کننده ای برای تشخیص این بیماری به منظور افزایش سرعت تشخیص و نیز کاهش هزینه های تشخیصی می باشد. مواد و روش ها: اطلاعات مربوط به ۶۷۰ بیمار در چهار بخش اطلاعات فردی، سبک زندگی و اطلاعات بیماری ها و نتایج دستگاه DEXA بررسی شده است. در این مقاله مدل جدیدی بر اساس متدولوژی استاندارد CRISP ارائه شده است. در بخش مدل سازی از سه روش شناخته شده در داده کاوی به نام های درخت تصمیم CHAID و C۵.۰ و شبکه عصبی مصنوعی استفاده شده است. برای تحلیل داده ها از نرم افزار Celementine ۱۲.۰ استفاده شده است. یافته ها: در این تحقیق برای اولین بار در ایران ویژگی های تاثیرگذار بر پوکی استخوان در بیماران مورد بررسی قرار گرفته است. با استفاده از داده کاوی و روش های آن ویژگی های تاثیرگذار بر این بیماری شناسایی شده اند. به کمک درخت تصمیم ایجاد شده، قوانینی استخراج شده اند که می تواند به عنوان الگویی برای پیش بینی وضعیت بیماران از آن ها استفاده کرد. دقت مدل های ساخته شده با استفاده از الگوریتم های C.۵.۰، CHAID و شبکه عصبی مصنوعی با یکدیگر مقایسه شده اند. نتایج این مقایسه نشان می دهد هریک از این الگوریتم ها در پیش بینی گروهی از افراد بهتر عمل می کند. استنتاج: به طور کلی دقت الگوریتم های شبکه عصبی مصنوعی از الگوریتم های درخت تصمیم بیش تر است. بیش ترین عوامل تاثیر گذار بر پوکی استخوان شناسایی شدند. با توجه به قوانین ایجاد شده برای یک نمونه جدید با ویژگی های مشخص، می توان پیش بینی کرد بیمار احتمالا دچار پوکی استخوان خواهد شد یا خیر.

کلیدواژه ها:

Osteoporosis ، data mining ، decision tree ، artificial neural network ، پوکی استخوان ، داده کاوی ، درخت تصمیم ، شبکه عصبی مصنوعی