پیش بینی خطر ابتلا به آلزایمر با به کارگیری جنبه های گوناگون بالینی توسط یادگیری ماشین

اختلالات تحلیل برنده عصبی، به ویژه بیماری آلزایمر، از مهم ترین چالش های سلامت عمومی در قرن حاضر به شمار می روند که با کاهش تدریجی عملکرد شناختی و کیفیت زندگی همراه هستند. با توجه به نبود درمان قطعی، شناسایی زودهنگام عوامل خطر و تمرکز بر رویکردهای پیشگیرانه اهمیت ویژه ای یافته است. شواهد علمی اخیر نشان می دهند که برخی شرایط دوران پیش از تولد و عوامل مرتبط با بارداری می توانند در شکل گیری ریسک اختلالات عصبی در سال های بعدی زندگی نقش داشته باشند. در این پژوهش، با استفاده از داده های قابل اندازه گیری دوران بارداری و به کارگیری الگوریتم های یادگیری ماشین شامل جنگل تصادفی و شبکه عصبی چندلایه، مدلی برای پیش بینی سطح ریسک اختلالات عصبی ارائه شده است. نتایج حاصل نشان می دهد که روش های مبتنی بر یادگیری ماشین می توانند به عنوان ابزارهای پژوهشی مکمل در تحلیل داده های پیچیده زیستی و غربالگری زودهنگام ریسک مورد استفاده قرار گیرند، هرچند این رویکردها جایگزین تشخیص پزشکی بالینی نخواهند بود.

کلیدواژه ها:

یادگیری ماشین ، بیماری آلزایمر ، جنگل تصادفی ، اختلالات عصبی ، شبکه عصبی چندلایه