پيش‌ بيني زودهنگام ديابت بارداري با استفاده از الگوريتم‌هاي درخت تصميم و شبكه عصبي مصنوعي

مقدمه: ديابت بارداري با عوارض متعدد كوتاه‌مدت و درازمدت در مادر و كودك همراه است. شناسايي عوامل خطرزاي آن مي‌تواند به تشخيص به‌ موقع و پيشگيري از عوارض مرتبط با آن كمك كند. هدف از اين مطالعه طراحي و مقايسه مدل‌هاي پيش‌بيني ابتلا به ديابت بارداري با استفاده از الگوريتم‌هاي هوش مصنوعي بود. مواد و روش‌ها: براي پيش‌بيني ديابت بارداري از الگوريتم‌هاي درخت تصميم، و شبكه عصبي مصنوعي استفاده گرديد. جامعه پژوهش 1270 زن باردار تحت پوشش مراكز بهداشتي درماني شهر اهواز بودند كه 816 مورد آن‌ها سالم و 454 مورد مبتلا به ديابت بارداري بودند. جهت ارزيابي كارآيي مدل‌ها؛ حساسيت، ويژگي، دقت و صحت محاسبه گرديد. در نهايت از الگوريتم طبقه‌بندي AdaBoost براي تقويت مدل پيشنهادي استفاده گرديد. يافته‌ها: پس از انجام تحليل مولفه اساسي، نه متغير براي مدل‌سازي اوليه انتخاب شدند. كه در مدل شبكه عصبي مصنوعي، سطح زير منحني راك و حساسيت به ترتيب 83/2 درصد و 85/1 درصد بود، و براي مدل درخت تصميم نيز سطح زير منحني راك و حساسيت به ترتيب 0/826 و 84 درصد به دست آمد. پس از حذف متغيرها با وزن كمتر و تقويت مدل پيشنهادي، سطح زير منحني راك و حساسيت افزايش پيدا كرد (0/861 و 92/1 درصد). پنج متغير شامل: قند خون ناشتا در اولين معاينه بارداري، سابقه ديابت بارداري در بارداري‌هاي قبلي، نمايه توده بدني، سن مادر و سابقه خانوادگي ديابت، بالاترين دقت را در پيش‌بيني ابتلا به ديابت بارداري داشتند. نتيجه‌گيري: نتايج اين مطالعه نشان داد كه الگوريتم‌هاي هوش مصنوعي از دقت و كارآيي قابل ‌توجهي برخوردارند و مي‌توانند با پيش‌بيني زودرس ديابت بارداري در پيشگيري از پيامدهاي منفي آن مؤثر باشند.