مرور نظام مند كاربرد شبكه بيزين ساده در پيش‌بيني بيماري‌ها

Using Naïve Bayesian Network in Predicting Diseases: A Systematic Review

با پيشرفت فناوري در دهه اخير، استفاده از الگوريتم هاي يادگيري ماشين در پيش بيني بيماري ها بسيار حائز اهميت و رو به افزايش است. هدف از مطالعه حاضر بررسي اهميت يكي از الگوريتم هاي پركاربرد در پيش بيني بيماري ها به نام شبكه بيزين ساده و همچنين دسته بندي مقالات مرتبط با پيش بيني بيماري ها با الگوريتم هاي داده كاوي مي باشد.روش: مطالعه حاضر يك پژوهش مروري نظام مند است. جستجوي كامل از طريق پايگاه هاي داده آنلاين و موتورهاي جستجو از قبيل scopus، science direct، web of science و medline براي يافتن مقالات در بازه زماني سال هاي 2007 تا 2017 انجام گرفت. نتايج: در مجموع 90 چكيده يافت شد كه 27 مقاله با معيارهاي ورود و خروج مطالعه همخواني داشت. شبكه بيزين ساده در مقايسه با بقيه الگوريتم هاي موجود براي پيش بيني بيماري ها قرار گرفت كه در 92 درصد (25 از 27 مقاله) نتايج، الگوريتم بيزين از كارايي بهتري برخوردار بود. نتايج پژوهش انجام شده مويد اثربخشي الگوريتم بيزين ساده در پيش بيني بيماري ها بود.نتيجه گيري: شبكه بيزين ساده يكي از بهترين روش هاي پيش بيني بيماري ها در مقايسه با نظر متخصصان و الگوريتم هاي موجود ديگر مي باشد كه مي تواند به عنوان روش حمايتي در كنار تصميمات پزشكان قرار گيرد تا صحت پيش بيني بيماري ها را ارتقاء دهد.

Introduction: Due to the improvement of technology during the last decade, using machine learning algorithms for predicting diseases has found great importance. The goal of this research was to investigate the importance of Naïve Bayesian network as the most applied algorithm in predicting diseases and classifying relevant articles related to disease prediction with data mining algorithms. Methods: This was a systematic review study. A comprehensive search was performed from 2007 to 2017 in online databases and search engines including Scopus, Science Direct, web of science and MEDLINE. Results: From a total of 90 identified abstracts through the research, 27 ones were compatible with inclusion and exclusion criteria. Naïve Bayesian network was compared with other algorithms and in 92% of articles (25 articles out of 27), it had better accuracy in disease prediction. Results of this research showed effectiveness of Naïve Bayesian algorithm in disease prediction. Conclusion: Naïve Bayesian network is one of the best algorithms for disease prediction in comparison with experts’ decision and other algorithms. This algorithm can be used beside physicians’ decision to improve the accuracy of disease prediction