طراحی سیستم تصمیم یار بالینی مبتنی بر شبکه ی عصبی مصنوعی به منظور کشف اولیه ی سرطان از بزرگی خوش خیم پروستات

نویسندگان:

قادر زاده مصطفی، صدوقی فرحناز، کتابت آروین

چکیده:

 

در سال های اخیر مفاهیم شبکه های عصبی مصنوعی در کشف اولیه و طبقه بندی بیماری ها متحمل پیشرفت های فراوانی شده است. استفاده از شبکه های عصبی به دلیل توانایی های بالقوه ی آن درکاربردهای پزشکی و در پیدا کردن کنش بین متغیرها، تشخیص و مدل سازی بیماری ها به طور وسیعی مقبول واقع شده است. هدف از این پژوهش، طراحی و پیاده سازی سیستم تصمیم یار مبتنی بر شبکه های عصبی مصنوعی به منظور کشف اولیه ی سرطان پروستات بود.

پژوهش حاضر از نوع کاربردی و جامعه ی هدف آن متشکل از ۳۶۰ بیمار مبتلا به ناهنجاری های پروستات بودند که در فواصل سال های ۹۰-۱۳۸۸ به بخش اورولوژی بیمارستان امام خمینی (ره) شهر تهران مراجعه نمودند. در این پژوهش به منظور ارزیابی عملکرد سیستم طراحی شده، از شاخص های حساسیت، ویژگی و صحت در طبقه بندی استفاده گردید. در طراحی هسته ی محاسباتی سیستم تصمیم یار بالینی در کشف اولیه ی سرطان پروستات از بزرگی خوش خیم آن، از الگوریتم شبکه ی عصبی گرادیان توام مدرج (Scaled conjugate gradient) استفاده شد.

شاخص های عملکردی این سیستم، ویژگی و حساسیت بودند و عملکرد سیستم تصمیم یار بالینی پیشنهاد شده بر اساس این شاخص ها به ترتیب عبارت از ۰۶/۹۷ و ۱۱/۹۲ درصد بود. نتایج سیستم تصمیم یار در تشخیص و طبقه بندی بیماری های نئوپلازی پروستات، حاکی از پتانسیل بالای سیستم های مبتنی بر شبکه های عصبی به عنوان ابزاری قوی در طبقه بندی ناهنجاری های پروستات بود.

در این پژوهش یک سیستم تصمیم یار پزشکی با هدف یاری رساندن به متخصصین در تشخیص و طبقه بندی بیماری های نئوپلازی پروستات طراحی گردید. سیستم های هوشمند پزشکی بر مبنای هوش مصنوعی و به خصوص شبکه های عصبی، می توانند به پزشکان در تشخیص دقیق سرطان پروستات و بزرگی خوش خیم آن کمک نمایند. با استفاده از این سیستم ها، بیوپسی های غیر ضروری و هزینه های تشخیصی کاهش می یابد. به علاوه، این سیستم ها می توانند در به حداقل رساندن زمان فرایندهای تشخیصی بیماری ها موثر واقع شوند.