|
پیش بینی سندرم زجر تنفسی نوزادان (RDS) با استفاده از یادگیری ماشین
|
فاطمه خبازی نیاسری    ، عالیه محمدزاده* ، مهدی اسماعیلی ، علیرضا امیرشاهی ، امیررضا امیرشاهی |
| استادیار گروه نوزادان،دانشکده پزشکی،دانشگاه علوم پزشکی،واحد کاشان،کاشان، ایران ، aliyehmo@gmail.com |
|
|
چکیده: (6 مشاهده) |
سندرم زجر تنفسی نوزادان (RDS) یکی از شایع‌ترین علل مرگ‌ومیر در نوزادان نارس است که عمدتاً ناشی از کمبود سورفکتانت ریوی می‌باشد. تشخیص به‌موقع این بیماری نقش حیاتی در کاهش مرگ‌ومیر و بهبود پیامدهای بالینی ایفا می‌کند. روش‌های سنتی تشخیص مانند معاینه بالینی و رادیوگرافی قفسه سینه با محدودیت‌هایی از جمله تأخیر در نتیجه‌گیری و دقت نسبی مواجه هستند
روش کار: این مطالعه با هدف توسعه یک مدل پیش‌بینی مبتنی بر یادگیری ماشین برای شناسایی زودهنگام سندرم زجر تنفسی نوزادان انجام شد. در این مطالعه گذشته نگر، داده‌های ۳۰۰ نوزاد بستری در بخش مراقبت‌های ویژه نوزادان بیمارستان شهید بهشتی کاشان طی سال‌های ۱۴۰۲ تا ۱۴۰۳ جمع‌آوری و داده‌های بالینی از ۲۳ متغیر استخراج شد؛ با این حال، متغیرهای «نیاز به حمایت تنفسی» و «تجویز سورفکتانت» به دلیل ماهیت درمانی و احتمال ایجاد نشت اطلاعات، از ویژگی‌های ورودی مدل‌های پیش‌بینی حذف شدند. پس از پیش‌پردازش داده‌ها، چهار الگوریتم یادگیری ماشین شامل درخت تصمیم، ID3، k-نزدیک‌ترین همسایه و ماشین بردار پشتیبان در محیط نرم‌افزار RapidMiner پیاده‌سازی شدند. ارزیابی مدل‌ها با استفاده از روش تقسیم داده به دو بخش آموزش (70 درصد) و آزمون (30 درصد) انجام شد و عملکرد آن‌ها با شاخص‌های متداول شامل دقت، حساسیت، ویژگی، دقت مثبت و امتیاز F1 سنجیده شد.
یافته ها: نتایج نشان داد الگوریتم درخت تصمیم با دقت کلی ۹۰٪، حساسیت 89٫23٪، ویژگی ۹۲٪، دقت مثبت 96٫67٪ و امتیاز F1 برابر با ۹۲٫۸۰٪ بهترین عملکرد را داشت. همچنین، مساحت زیر منحنی ROC (AUC) برای مدل درخت تصمیم برابر با 0.868 بود که نشان‌دهنده توان تفکیک مناسب مدل است.
نتیجه‌گیری: یافته‌ها نشان می‌دهد مدل درخت تصمیم با استفاده از متغیرهای بالینی غیرمرتبط با اقدامات درمانی، از قابلیت مناسبی برای طبقه‌بندی خطر RDS برخوردار است؛ با این حال، پیش از کاربرد بالینی، اعتبارسنجی خارجی و چندمرکزی مدل ضروری است.
|
|
| واژه‌های کلیدی: سندرم زجر تنفسی نوزادان، یادگیری ماشین، درخت تصمیم، واحد مراقبت‌های ویژه نوزادان، ماشین بردار پشتیبان |
|
|
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
عمومى
دریافت: 1405/4/11 | ویرایش نهایی: 1405/7/22 | پذیرش: 1405/7/22
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
.png){kind=logo}
