تشخيص مسموميت حاملگي با استفاده از سيستم خبره: مطالعه موردي در بيمارستان‌هاي دانشگاه علوم پزشكي تهران

Detecting Of Preeclampsia By Expert System: A Case Study In Tehran University Of Medical Sciences Hospitals

زمینه و هدف: تشخیص درست عارضه مسمومیت حاملگی در به كارگیری طرح درمان مناسب برای بیماران نقش اساسی دارد. هدف این مطالعه طراحی سیستم خبره جهت تشخیص این عارضه و كمك به متخصصان بالینی است. روش بررسی: این مطالعه از نوع توسعه‌ای بود كه به صورت مقطعی انجام شد. سه مركز درمانی زنان و زایمان وابسته به دانشگاه علوم پزشكی تهران به عنوان مكان پژوهش در نظر گرفته شد. حجم نمونه شامل 215 پرونده بود كه به صورت تصادفی انتخاب شدند. نتایج حاصل از سیستم پیشنهادی با نتایج اعلام شده از طرف متخصصان با آزمون كاپا و با استفاده از نرم‌افزار SPSS مورد مقایسه قرار گرفت. یافته‌ها: ابتدا پارامترهای ورودی، فازی سازی و سپس به موتور استنتاج وارد شدند. نتایج خروجی به صورت گروه بندی شده در دو گروه بیمار یا سالم، به عنوان تشخیص نهایی و در قالب توضیحات بالینی ارائه شد. نتایج حاصل از آزمون سیستم نشان داد كه صحت، ویژگی و حساسیت به ترتیب 98 درصد، 100 درصد و 96 درصد بود. نتیجه‌گیری: با توجه به میزان بالای صحت، ویژگی و حساسیت حاصل از ارزیابی سیستم، منطق فازی می‌تواند روشی كارآمد برای طراحی سیستم‌های خبره در حوزه زنان و زایمان باشد و برای تشخیص سایر اختلالات دوران بارداری و پیشگیری از عوارض خطرناك برای مادر و نوزاد موثر واقع شود.

Background and Aim: Diagnosis of preeclampsia has an essential role in applying appropriate treatment plan for the patients. The aim of this study was to design an expert system in order to diagnos preeclampsia in order to assist the clinicians. Materials and Methods: This was a cross-sectional study which resulted in developing a new system. The study population consisted of all patients admitted to three Maternity hospitals affliated to Tehran University of Medical Sciences (TUMS). Sample size included 215 medical records which were randomly selected. The results obtained were compared with the diagnosis from experts by kappa test using SPSS software. Results: First of all, input parameters fuzzificated and entered into inference engine. Outputs were categorized in two groups as patients and healthy, with the final diagnosis and clinical explanation. The results obtained from system evaluation showed that accuracy, specificity and sensitivity of the system were 98.2 percent, 100 percent and 96.4 percent respectively. Conclusion: Based on evaluation results, it could be concluded that fuzzy logic is an efficient method for designing of expert systems in the field of obstetrics and gynecology. Also, due to the similarity of the logic used in the proposed system with workflow and medical decision making, it will be accepted by the physicians.