طراحی سیستم تصمیم یار بالینی مبتنی بر شبکه ی عصبی مصنوعی به منظور کشف اولیه ی سرطان از بزرگی خوش خیم پروستات

مقدمه: در سال های اخیر مفاهیم شبکه های عصبی مصنوعی در کشف اولیه و طبقه بندی بیماری ها متحمل پیشرفت های فراوانی شده است. استفاده از شبکه های عصبی به دلیل توانایی های بالقوه ی آن درکاربردهای پزشکی و در پیدا کردن کنش بین متغیرها، تشخیص و مدل سازی بیماری ها به طور وسیعی مقبول واقع شده است. هدف از این پژوهش، طراحی و پیاده سازی سیستم تصمیم یار مبتنی بر شبکه های عصبی مصنوعی به منظور کشف اولیه ی سرطان پروستات بود. روش بررسی: پژوهش حاضر از نوع کاربردی و جامعه ی هدف آن متشکل از ۳۶۰ بیمار مبتلا به ناهنجاری های پروستات بودند که در فواصل سال های ۹۰-۱۳۸۸ به بخش اورولوژی بیمارستان امام خمینی (ره) شهر تهران مراجعه نمودند. در این پژوهش به منظور ارزیابی عملکرد سیستم طراحی شده، از شاخص های حساسیت، ویژگی و صحت در طبقه بندی استفاده گردید. در طراحی هسته ی محاسباتی سیستم تصمیم یار بالینی در کشف اولیه ی سرطان پروستات از بزرگی خوش خیم آن، از الگوریتم شبکه ی عصبی گرادیان توام مدرج (Scaled conjugate gradient) استفاده شد. یافته ها: شاخص های عملکردی این سیستم، ویژگی و حساسیت بودند و عملکرد سیستم تصمیم یار بالینی پیشنهاد شده بر اساس این شاخص ها به ترتیب عبارت از ۰۶/۹۷ و ۱۱/۹۲ درصد بود. نتایج سیستم تصمیم یار در تشخیص و طبقه بندی بیماری های نئوپلازی پروستات، حاکی از پتانسیل بالای سیستم های مبتنی بر شبکه های عصبی به عنوان ابزاری قوی در طبقه بندی ناهنجاری های پروستات بود. نتیجه گیری: در این پژوهش یک سیستم تصمیم یار پزشکی با هدف یاری رساندن به متخصصین در تشخیص و طبقه بندی بیماری های نئوپلازی پروستات طراحی گردید. سیستم های هوشمند پزشکی بر مبنای هوش مصنوعی و به خصوص شبکه های عصبی، می توانند به پزشکان در تشخیص دقیق سرطان پروستات و بزرگی خوش خیم آن کمک نمایند. با استفاده از این سیستم ها، بیوپسی های غیر ضروری و هزینه های تشخیصی کاهش می یابد. به علاوه، این سیستم ها می توانند در به حداقل رساندن زمان فرایندهای تشخیصی بیماری ها موثر واقع شوند.

کلیدواژه ها:

سیستم تصمیم یار ، سرطان پروستات ، شبکه ی عصبی مصنوعی ، حساسیت ، ویژگی