سيستم خبره فازي تشخيص سردردهاي شايع داراي علائم تقريبا يكسان

Fuzzy expert system for medical diagnosis of common headaches

مقدمه سردرد يكي از شايع ترين شكايت‌ها در جامعه امروزي است. براي درمان انواع سردرد، اولين قدم تشخيص دادن نوع سردرد است. هدف از اين پژوهش اين است كه با استفاده از منطق فازي و سيستم‌هاي فازي، به افتراق و تشخيص سردردهاي شايع پرداخت. روش كار اين مطالعه از نوع همبستگي مي باشدو از سال 1393-1395 در مطب متخصص نورولوژي انجام شده است.با استفاده از منطق فازي، سيستم خبره اي براي تشخيص انواع سردرد ارائه شده كه دراين سيستم از موتور استنتاج فازي ، مدل استنتاج ممداني با مشخصه‌هاي max-min به عنوان عملگرهاي AND- o‎r و روش مركز جرم (Centroid) براي غير‌فازي سازي، به‌كارگرفته ‌شده ‌است. نتايج با استفاده از اطلاعات150 بيمار بررسي شد كه سيستم تا 82 % توانايي افتراق درست را دارد. صحت، دقت، حساسيت و ويژگي سيستم به ترتيب 86، 93، 85 و 88 % براي ميگرن و 93، 91 ، 55 و99 % براي سردردهاي تنشي و 97، 86، 66 و 99 % براي سردردهاي ناشي از عفونت و 95، 85، 88 و97 % براي سردردهاي ناشي از افزايش فشار داخل جمجه بود. با آزمون دوجمله‌اي ارزيابي شد كه % تشخيص درست (82%) بيش از تشخيص نادرست (18 %) بوده‌است (0/001>P). ضريب كاپا توافق 0/71، 0/65، 0/74 و 0/84 بين تشخيص سيستم و تشخيص پزشك به ‌ترتيب براي ميگرن، سردرد‌تنشني، ‌سردرد‌ ناشي ‌از ‌عفونت‌ و سردرد ‌ناشي ‌از ‌افزايش ‌فشار ‌داخل ‌جمجمه ‌را نشان ‌داد. نتيجه گيري با توجه به نزديك بودن علائم سردردهاي شايع و اهميت تشخيص به موقع و نيز نتايج مطلوب حاصل از به كارگيري و ارزيابي سيستم خبره پيشنهادي، اين سيستم مي‌تواند در تشخيص و افتراق سردردهاي شايع بسيار مفيد باشد.

Introduction: Headache is one of the most common medical complaints.The treatment types of headaches require the diagnosis of these types.The aim of this study was to distinguish and diagnose common headaches by fuzzy logic and fuzzy system. Methods: A fuzzy expert system for the distinguish types of common headaches is presented, the Mamdani modeL was used in fuzzy inference engine using Max-Min as OR-AND operators and Centroid method was used as defuzzification technique. Results: The fuzzy system was evaluated using data obtained from 150 patients and showed 82% good agreement and high ability in terms of correct diagnosis. Accuracy, Precision, sensitivity, specificity of the system were 86%, 93%, 85%, 88% for migraine , 93%, 91%, 55%, 99% for tension, 97%, 86%, 66%, 99% for headaches resulting from infection and 95%, 85%, 88%, 97% for headaches resulting from increase of ICP, respectively.The Binomial and Chi-Square Test evaluated that between correct and incorrect diagnosis was meaningful difference and the proportion of correct diagnosis (82%) was more than the incorrect diagnosis (18%) (P<0/001).To measure agreement of system results with the physician diagnosis, Kappa statistics was employed and showed a high relation,71% ,65%,74% and 84% for migraine, tension, headaches resulting from infection and headaches resulting from increase of ICP, respectively. Conclusion:According to proximity of common headaches symptoms, and importance of early diagnosis of headache, and favorable results of the implementation and evaluation of the suggested expert system, therefore this system can be very useful for diagnosis of common headaches with similar symptoms.