مقایسه عملکرد الگوریتم های داده کاوی در پیش بینی بیماری عروق کرونر

بیماری های قلبی- عروقی نخستین علت مرگ در جهان هستند و براساس برآورد سازمان بهداشت جهانی، مرگ ناشی از بیماری های قلبی تا سال2030 به 23 میلیون مورد افزایش خواهد یافت. از این رو، به نظر می رسد استفاده از الگوریتم های داده کاوی برای پیش بینی بیماری عروق کرونر قلب بسیار کاربردی باشد. هدف از پژوهش حاضر مقایسه عملکرد الگوریتم های شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) در پیش بینی بیماری عروق کرونر قلب بود.

پژوهش حاضر از نوع توصیفی-تحلیلی و نمونه پژوهش شامل تمام بیماران بستری مبتلا به بیماری عروق کرونر قلب در سه بیمارستان تابعه دانشگاه علوم پزشکی آجا بین سال های 1395 تا 1396 بود. درمجموع، 1324 رکورد با 26 ویژگی موثر در این بیماری استخراج و پس از نرمال سازی و پاک سازی داده ها، در نرم افزار SPSS نسخه 23 وExcel نسخه 2013 وارد شدند. برای قالب بندی داده ها نیز از نرم افزار داده کاوی R3. 3. 2 استفاده گردید.

الگوریتم ماشین بردار پشتیبان با میانگین درصد خطای مطلق پایین تر (112/03) ، آماره هاسمر-لمشو بالاتر (16/71) ، حساسیت (92/23) و ویژگی (74/42) نسبت به مدل شبکه عصبی دقیق تر بود. همچنین، مساحت زیر منحنی راک در الگوریتم SVM بیشتر از ANN بود و می توان نتیجه گرفت که این مدل دارای دقت بیشتری است.

در این مطالعه، الگوریتم SVM نسبت به مدل شبکه عصبی دقت و عملکرد بهتری در پیش بینی بیماری عروق کرونر قلب نشان داد و دارای حساسیت و صحت بالاتری بود. با این حال پیشنهاد می گردد که نتایج مطالعه حاضر با یافته های حاصل از به کارگیری سایر الگوریتم های داده کاوی در پژوهش های آتی مورد مقایسه قرار گیرد.