طراحي سيستم تصميم يار تشخيص آسيب ريوي مصدومين شيميايي

Designing a Decision Support System for Diagnosing Pulmonary Injuries in Chemical Victims

اهداف: بيماري انسداد مزمن ريوي شايع‌ترين عارضه مواجهه با گاز خردل است. تشخيص صحيح بين بيماري انسداد مزمن ريوي و آسم يكي از چالش‌هاي جدي محسوب مي‌شود. از اين‌رو تمام راهكارهاي باليني در حيطه بيماري انسداد مزمن ريوي معيارهايي را براي تشخيص افتراقي بيان نموده‌اند. جهت افزايش پذيرش راهكارهاي باليني از سيستم‌هاي تصميم يار استفاده مي‌شود. يكي از شيوه‌هاي مدل‌سازي در اين‌گونه سيستم‌ها استفاده از مدل‌هاي چند صفتي كيفي مي‌باشد. هدف اين پژوهش طراحي مدل چند صفتي كيفي براي تشخيص افتراقي بيماري انسداد مزمن ريوي است. روش‌ها: ابتدا متغيرهاي مؤثر در تشخيص افتراقي دسته بندي و توسط متخصص ارزيابي شد. سپس مدل چند صفتي كيفي پياده سازي گرديد. براي تست سيستم از اطلاعات 50 بيمار كه به پزشكان بيمارستان بقيه الله مراجعه كرده بودند استفاده شد. براي ارزيابي از شاخص‌هايي از جمله دقت، حساسيت استفاده گرديد. يافته‌ها: مقايسه خروجي سيستم با تشخيص پزشك نشان داد كه حساسيت، دقت و صحت سيستم به ترتيب برابر با 92.30 درصد، 96 درصد و 100 درصد مي‌باشد. به‌طوري كه اين شاخص‌ها بيانگر عملكرد مناسب سيستم در تشخيص افتراقي بيماري انسداد مزمن ريوي بود. نتيجه‌گيري: متدلوژي ارائه شده رويكرد مناسبي جهت تحليل و مدل‌سازي داده‌ها در حيطه تصميم گيري پزشكي محسوب مي‌شود و از كارايي مطلوبي برخوردار بود و مي‌تواند براي پزشكان مفيد بوده و كمك مؤثري ارائه نمايد.

Aims: Chronic Obstructive Pulmonary Disease (COPD) is the most common effect of getting poisoned by Mustard Gas. It is challenging for physicians to make a differential diagnosis between COPD and Asthma. Therefore, some criteria are prepared in different guidelines to facilitate differentiation between COPD and other similar diseases. To improve the guidelines’ acceptance among the potential users, decision support systems are applied in different areas. One of the modeling methods used in such systems are the qualitative multi-attribute models. The ultimate objective of this research was to design a qualitative multi-attribute model that provides differential diagnosis for COPD. Methods: Firstly, effective attributes were extracted from the guidelines and were approved by specialists. Secondly, the qualitative multi-attribute model was implemented. The system was evaluated using useful information from 50 patients who had registered in the Baqiyatallah hospital. Evaluations have been done using sensitivity and specificity. Results: The system’s output was compared with the physician diagnosis and the obtained results showed that the sensitivity, specificity and accuracy were 92.3%, 96% and 100% respectively. It clearly showed that the system had accepted functionality to diagnose COPD. Conclusion: The suggested methodology was a useful solution for data analysis and modeling in medical decision making fields. It also had an appropriate performance and could be effective and helpful for physicians.