استفاده از تكنيك‌هاي داده‌كاوي جهت تشخيص هوشمند شدت اختلال افسردگي

مقدمه: پياده‌سازي روشي كه بتواند هر فرد را در تشخيص يا پيشگيري اختلالات رواني ياري رساند مي‌تواند گامي مهم در جهت پيشگيري و كنترل اين اختلالات به خصوص در مراحل ابتدايي آن‌ها تلقي شود. هدف پژوهش حاضر به‌كار‌گيري تكنيك‌هاي داده‌كاوي در تشخيص هوشمند شدت اختلال افسردگي است. روش: پژوهش كاربردي حاضر با مراجعه به تعدادي كلينيك روانپزشكي در شهر تهران و بررسي پرونده بيماران انجام شد. 420 نفر كه به پرسشنامه مينه سوتا 71 سؤالي پاسخ داده بودند با استفاده از روش نمونه‌گيري در دسترس به عنوان نمونه انتخاب شدند (300 نفر مبتلا به مراتب متفاوتي از افسردگي و 120 نفر فاقد آن). پاسخنامه آزمون مينه‌سوتا 71 سؤالي و تشخيص روانپزشك به عنوان داده براي ايجاد مدل توسط الگوريتم‌هاي K نزديك‌ترين همسايه، درخت تصميم و ماشين بردار پشتيبان مورد استفاده قرار گرفت. 70 درصد داده‌ها براي آموزش و 30 درصد داده‌ها براي اعتبار‌سنجي مدل به كار گرفته شد. جهت تحليل داده‌ها از نرم‌افزار Matlab استفاده شد. نتايج: نتايج ارزيابي‌ها نشان داد كه الگوريتم درخت تصميم با دقت 99/16 درصد به دقت بالا‌تري در مقايسه با ديگر الگوريتم‌ها دست يافت. همچنين با اجراي مدل‌هاي ايجاد شده بر روي هر سؤال آزمون مينه سوتا 71 سؤالي تأثير هر سؤال در ارزيابي مشخص شد. نتيجه‌گيري: تقسيم‌بندي بيماران با رويكرد داده‌كاوي و بر اساس مهم‌ترين ويژگي‌ها، مي‌تواند ابزار مفيد و مؤثر براي تحليل و بهبود فرآيند تصميم‌گيري پزشكان در رابطه با درمان بيماران باشد.