پیش بینی مرگ و میر در بخش مراقبت های ویژه بر اساس ترکیب شبکه ی خودرمزنگار با مدل بهینه شده ی شبکه ی عصبی عمیق

با گسترش روزافزون کاربرد هوش مصنوعی برای کشف روابط پنهان در داده های حوزه سلامت و درمان، پیش بینی مرگ و میر در بخش مراقبت های ویژه (ICU) به یکی از موضوعات پر اهمیت تبدیل شده است. این پیش بینی می تواند به پزشکان در شناسایی زودهنگام بیماران پرخطر و ارائه مداخلات به موقع کمک کند. از آنجایی که تصمیم گیری های بالینی و کاهش هزینه ها اهمیت ویژه ای دارند، این برآورد قادر است جان بیماران را نجات دهد و کیفیت مراقبت را بهبود بخشد. بدین منظور در این پژوهش با بهره مندی از داده های جمع آوری شده از بیماران بستری در بخش های مراقبت های ویژه بیمارستان های دانشگاه های علوم پزشکی شهید بهشتی و مشهد، به بررسی و تحلیل این داده ها پرداخته شده است. پس از آماده سازی داده ها، مراحل پیش پردازش شامل تخصیص مقادیر میانگین به داده های گم شده، نرمال سازی داده های پرت با روشWinsorization ، مقیاس بندی داده ها با استفاده از MinMaxScaler، و متعادل سازی کلاس های نامتوازن انجام شد. در ادامه، از شبکه عصبی خودرمزنگار برای استخراج ویژگی ها و کاهش هزینه های محاسباتی بهره گرفته شد. در نهایت، مدل شبکه ی عصبی عمیق مبتنی بر بهینه سازی بیزین برای پیش بینی ارائه شد. نتایج ارزیابی نشان داد که مدل به کار گرفته شده، بهترین عملکرد را با دقت قابل توجهی کسب کرده است. این دستاورد با بهره گیری از هوش مصنوعی علاوه بر کاهش هزینه های مراقبتی، گامی بزرگ در ارتقای خدمات درمانی برداشته است.

کلیدواژه ها:

هوش مصنوعی ، مرگ و میر ، مراقبت های ویژه ، شبکه خودرمزنگار ، شبکه عصبی عمیق