کاربرد مدل شبکه عصبی مصنوعی در پیش بینی پاسخ های آمیخته بیماری قلبی

در مطالعات اپیدمیولوژی و پزشکی، گاهی پژوهشگر با مواردی مواجه می شود که لازم است دو متغیر پاسخ را به صورت توام (همزمان) از روی تعدادی متغیر کمکی پیش بینی نماید. زمانی که متغیر پاسخ آمیخته باشد، با توجه به محدودیت ها و برقرار نبودن برخی پیش فرض ها، روش های کلاسیک آماری برای مدل بندی و پیش بینی کارایی لازم را ندارند. هدف این مطالعه بکارگیری مدل شبکه عصبی مصنوعی برای پیش بینی متغیر پاسخ آمیخته در بیماری قلبی است.
در پاییز و زمستان 1390، تعداد 276 بیمار قلبی که از بیمارستان شهید مدنی خرم آباد ترخیص شده بودند به صورت کوهورت تاریخی مورد مطالعه قرار گرفتند. از این نمونه برای پیش بینی توام کلسترول و سطح LDL استفاده شد. داده ها به تصادف به دو گروه آموزش (175 نفر) و آزمون (91 نفر) تقسیم شدند. برای تحلیل داده ها از شبکه عصبی مصنوعی با الگوریتم شیب توام مقیاس شده (Scaled Conjugate Gradient) و برای تعیین مناسب ترین مدل از معیار صحت پیش بینی استفاده شد. برای تحلیل از نرم افزار MATLAB نسخه 11/7 استفاده شد.
بالاترین صحت پیش بینی برای مدل شبکه عصبی مصنوعی چهار لایه برای متغیر پاسخ آمیخته برابر 76/51 درصد به دست آمد.
مدل شبکه عصبی مصنوعی با دو لایه میانی برای پیش بینی متغیر پاسخ آمیخته مناسب است.