مجله دانشگاه علوم پزشکی قم

زمینه و هدف: بیماری قلبی - عروقی یکی از مهم‌ترین علل مرگ و میر در کشورهای پیشرفته و جهان سوم است. طبق اعلام سازمان بهداشت جهانی پیش‌بینی می‌شود مرگ و میر ناشی از بیماری‌های قلبی تا سال 2030 به 23 میلیون نفر افزایش می‌یابد. در جدیدترین آمار وزیر بهداشت ایران، ۳/۳۹% کل مرگ و میرها ناشی از بیماری‌های قلبی - عروقی و 5/19% مربوط به سکته‌های قلبی گزارش شده است. این پژوهش با هدف پیش‌بینی بیماری عروق کرونر قلبی با استفاده از الگوریتم‌های داده‌کاوی انجام شد.

روش بررسی: در این مطالعه از الگوریتم‌های مختلف بیوانفورماتیک از جمله درخت تصمیم، شبکه‌های عصبی، ماشین‌بردار پشتیبان، خوشه‌بندی و ...، برای پیش‌بینی بیماری عروق کرونر قلب استفاده شد. در این مطالعه داده‌ها از چندین پایگاه معتبر (شامل 14 داده) گرفته شدند.

یافته‌ها: در این تحقیق از تکنیک‌های داده‌کاوی، جهت تشخیص بیماری‌های مختلف از جمله بیماری عروق کرونری استفاده شد که مؤثر بود. همچنین برای اولین بار یک سیستم پیش‌بینی مبتنی بر ماشین‌بردار پشتیبان با بهترین دقت ممکن معرفی گردید.

نتیجه‌گیری: نتایج نشان داد بین ویژگی‌ها؛ متغیر اسکن‌تالیوم به‌عنوان مهم‌ترین ویژگی در تشخیص بیماری‌های قلبی می‌باشد، و طراحی مدل‌های پیش‌بینی ماشینی از جمله الگوریتم یادگیری بردار پشتیبان ماشین با دقت 100% می‌تواند بین افراد بیمار و سالم تمایز قائل شود.