محترم میرزایی - کارشناس ارشد انفورماتیک پزشکی، گروه انفورماتیک پزشکی، دانشکده علوم پزشکی، دانشگاه تربیت مدرس، تهران، ایران.
محمد فیروزآبادی - Professor, Medical Informatics Dept., Faculty of Medicine, Tarbiat Modares University, Tehran, Iran

مقدمه: نارسایی مزمن کلیه از بیماری های شایع در ایران و جهان است و پیوند کلیه روش درمانی مناسب و موثرترین راهبرد در بین بیماران مبتلا به نارسایی مزمن کلیه است. این مطالعه جهت پیش بینی بقای کلیه پیوندی و شناسایی عوامل موثر بر آن و ارائه یک مدل به منظور صحت پیش بینی بالاتر انجام شد. روش: مطالعه حاضر به روش گذشته نگر بر روی داده های ۴۲۳ مورد پرونده بیماران پیوند کلیه در سال های ۹۰-۱۳۸۵ در مرکز آموزشی-درمانی افضلی پور شهر کرمان انجام گرفت. از طبقه بند های شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان جهت پیش بینی بقای پیوند کلیه و از همجوشی اطلاعات برای ترکیب نتایج طبقه بندهای ذکر شده، به منظور طراحی مدلی با صحت بالاتر استفاده شد. همچنین، برای شناسایی متغیرهای تاثیرگذار در بقای کلیه پیوندی از الگوریتم ژنتیک و جهت تحلیل داده ها و اجرای الگوریتم ها از نرم افزارهای Clementine ۱۲ و Weka استفاده شد. نتایج: صحت حاصل از سه روش شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان به ترتیب برابر با ۹۴ ، ۹۲و ۹۲ درصد و صحت به دست آمده از روش همجوشی اطلاعات برابر ۹۵/۷۴درصد بوده است. همچنین، ویژگی های شاخص توده بدنی و جنسیت گیرنده، سن دهنده، همسانی گروه خونی دهنده و گیرنده و سابقه پیوند کلیه توسط الگوریتم ژنتیک به عنوان متغیر های تاثیرگذار در بقای پیوند کلیه شناسایی شد که صحت پیش بینی مدل پیشنهادی با این تعداد ویژگی ۹۱/۶۷درصد بوده است. نتیجه گیری: با استفاده از همجوشی اطلاعات، می توان صحت نتایج طبقه بندها را افزایش داد. همچنین، الگوریتم ژنتیک روش مناسبی جهت شناسایی ویژگی های بهینه است.

Information fusion, Neural Network, Decision Tree, Support Vector Machine, Genetic Algorithm, همجوشی اطلاعات, شبکه عصبی, درخت تصمیم, ماشین بردار پشتیبان, الگوریتم ژنتیک