مقایسه مدل های شبکه عصبی مصنوعی و درخت تصمیم برای پیش بینی ابتلا به پیش دیابت در مطالعه کوهورت ۱۷ ساله "پیشگیری از دیابت اصفهان"

بیماری دیابت نوع ۲ شایع ترین بیماری ناشی از اختلالات متابولیسم در جهان می باشد. یکی از اهداف تحقیقات پزشکی تعیین عواملمرتبط در پیش بینی ابتلا به این بیماری در مراحل اولیه می باشد. استفاده از تکنیک های داده کاوی برای ایجاد مدل های پیش بینیکننده. جهت شناسایی افر اد در معرض خطر ابتلا به این بیماری بسیار کمک کننده است. پیش دیابت مرحله ابتدایی اختلال درگلوکوز می باشد که قرار گرفتن در آن زمینه ابتلای بالا به دیابت را فراهم می کند. هدف مطالعه حاضر استفاده از روش های یاد گیریماشین برای پیش بینی ابتلا به پیش دیابت در افراد سالم خویشاوند درجه یک بیماران دیابتی می باشد. در پژوهش حاضر از داده هایکوهورت آینده نگر طرح "پیشگیری از دیابت اصفهان (IDPS)"، استفاده شد. اطلاعات مربوط به ۱۶۱۱ فرد سالم شرکت کننده درمطالعه که خویشاوندان درجه یک بیماران دیابتی مرکز تحقیقات غدد و متابولیسم اصفهان هستند که از سال ۱۲۸۲ تا کنون موردپیگیری قرار گرفته و از این تعداد. ۳۲۷ مورد ابتلا به پیش دیابت گزارش شده است. در این مطالعه عملکرد دو مدل درخت تصمیم وشبکه های عصبی مصنوعی که از پرکاربردترین مدل های پیش بینی مبتنی بر الگوریتم یادگیری ماشین می باشند. برای پیش بینیابتلا به پیش دیابت مورد ارزیابی و مقایسه قرار گرفت. پس از برازش مدل های شبکه عصبی مصنوعی و درخت تصمیم مقادیر معیارهای پیشگویی کنندگی محاسبه شد و برای مدل های شبکه عصبی مصنوعی و درخت تصمیم در نمونه های آموزشی و اعتبار سنجی به ترتیب صحت برابر (۷۷.۶% و ۶۶.۳%) بدست آمد. سطح ز یرمنحنی ROC در مدل شبکه عصبی مصنوعی نیز نسبت به مدل درخت تصمیم به ترتیب (۷۰.۸% در برابر ۵۶.۹%) بود، که نشان دهنده برتری معنادار مدل شبکه عصبیمصنوعی می باشد. نتایج مطالعه حاضر بر اساس جمیع شاخص ها نشان داد در پیش بینی ابتلا" به پیش دیابت، مدل شبکه عصبیمصنوعی دارای عملکرد نزدیک تر به واقعیت نسبت به درخت تصمیم است.

کلیدواژه ها:

دیابت نوع ۲ ، پیش دیابت ، درخت تصمیم ، شبکه های عصبی مصنوعی ، حساسیت ، ویژگی