الناز عابدینی - دانشجوی پزشکی دانشگاه ۱۹مایس سامسون ترکیه
محمد اسدی - دانشجوی کارشناسی فوریت های پزشکی دانشگاه شهیدبهشتی تهران

سنگ کلیه ، یکی از علل مراجعه بیماران با درد در ناحیه ی کمر و پهلو ها به اورژانس بیمارستان هاست. با وجود ابداع روش های گوناگون تشخیصی، میزان جراحی غیرضروری قابل توجه است. استفاده از روش های هوش مصنوعی و یادگیری ماشینی میتواند فرآیند تشخیص و درمان را بهبود بخشد. در این پژوهش از سیستم ماشین بردار پشتیبان جهت کمک به تشخیص سنگ کلیه با هدف افزایش صحت تشخیصی و کاهش میزان پیامد های جراحی استفاده خواهد شد. طی پژوهشی توسعه ای، با مطالعه متون تخصصی بیماری های دستگاه کلیه و مجاری ادراری ، متغیرهای موثر تشخیصی گردآوری و در قالب چک لیست دسته بندی و توسط متخصصان ارزیابی خواهد شد. وسپس می توان سیستم ماشین بردار پشتیبان با معماری های مختلف جهت تعیین بهترین عملکرد تشخیصی پیاده سازی و مقایسه کرد. از شاخصهای حساسیت، صحت و مشخصه جهت ارزیابی میتوان استفاده کرد . خروجی به دست آمده از سیستم ماشینبردار دارای حساسیت ، مشخصه و صحت خواهد بود . با توجه به این ایده میتوان گفت که استفاده ازهوش مصنوعی در تشخیص سنگ کلیه ، با هدف تشخیص به موقع،کاهش مدت بستری و هزینه های درمانی بیمار موثر خواهد بود.

سنگ کلیه، تشخیص، ماشینبردار پشتیبان، هوش مصنوعی، یادگیری ماشینی