خوشه‌بندي بيماران مبتلا به كم‌خوني با رويكرد‌ داده‌كاوي

Clustering of patients with anemia by data mining approach

زمینه و هدف: شایع‌ترین اختلال خونی به‌ویژه در زنان، بیماری كم‌خونی است. كشف دانش از میان حجم انبوه داده‌ها از سوابق بیماران با استفاده از داده‏كاوی می‏تواند منجر به بهبود كیفیت خدمات پزشكی شود. هدف این مطالعه خوشه‌بندی بیماران كم‌خونی با استفاده از الگوریتم‌های داده‌كاوی به‌منظور تحلیل و ارزیابی وضعیت بیماران است. روش بررسی: در این پژوهش كاربردی، داده‌های آزمایشگاهی و بالینی بیماران كم‌خونی در جمعیت زنان مورد مطالعه قرار گرفته است. داده‌های مورد بررسی از اردیبهشت ۱۳۹۲ تا اردیبهشت ۱۳۹۳ از آزمایشگاه بیمارستان‌های امام حسین (ع) و شهدای هفتم تیر شهر تهران با ۶۹۰ ركورد و ۱۵ مشخصه‌ی آزمایشگاهی و بالینی از بیماران كم‌خونی جمع‌آوری شده‌است. برای كشف ساختارهای پنهان با استفاده از الگوریتم k-medoids بیماران خوشه‌بندی شده‌اند. برای تعیین كیفیت خوشه‌بندی از شاخص سیلوئت استفاده شده است. یافته‌ها: مشخصه‌های Red Blood Cell (RBC)، Mean corpuscular hemoglobin (MCH)، Ferritin، GI cancer، GI infection و GI surgery بر اسـاس فرآیند خوشه‌بندی به‌عنوان مهم‌ترین مشخصه‌های بیماران شناسایی شده‌اند. بیماران كم‌خونی با توجه به مشخصه‌هایشان در سه خوشه توزیع شده‌اند. میانگین شاخص سیلوئت(Silhouette Coefficient)  برای كیفیت خوشه‌بندی ۸۰% است. یعنی خوشه‌بندی دارای ساختار قوی می‌باشد. نتیجه‌گیری: نتایج نشان داد كه خوشه‌بندی با كل مشخصه‌ها نتایج مناسبی را ارایه نمی‌دهد. بنابراین هر بار با تعداد متفاوتی از مشخصه‌ها خوشه‌بندی انجام شد. نتایج خوشه‌بندی وضعیت بیماران هر خوشه را مشابه و متمایز از سایر خوشه‌ها نشان می‌دهد. خوشه اول شامل بیماران كم‌خونی فقر آهن خفیف، خوشه دوم شامل بیماران كم‌خونی فقر آهن شدید و خوشه سوم بیماران با دیگر علل كم‌خونی را دربرمی‌گیرد. تقسیم‌بندی بیماران كم‌خونی می‌تواند ابزار مفید و موثر برای تحلیل ‌و بهبود فرآیند تصمیم‏گیری پزشكان در رابطه با درمان بیماران باشد.

Background: Anemia disease is the most common hematological disorder which most often occurs in women. Knowledge discovery from large volumes of data associated with records of the disease can improve medical services quality by data mining The goal of this study was to determining and evaluating the status of anemia using data mining algorithms. Methods: In this applied study, laboratory and clinical data of the patients with anemia were studied in the population of women. The data have been gathered during a year in the laboratory of Imam Hossein and Shohada-ye Haft-e Tir Hospitals which contains 690 records and 15 laboratory and clinical features of anemia. To discover hidden relationships and structures using k-medoids algorithm the patients were clustered. The Silhouette index was used to determine clustering quality. Results: The features of red blood cell (RBC), mean corpuscular hemoglobin (MCH), ferritin, gastrointestinal cancer (GI cancer), gastrointestinal surgery (GI surgery) and gastrointestinal infection (GI infection) by clustering have been determined as the most important patients’ features. These patients according to their features have been seg-mented to three clusters. First, the patients were clustered according to all features. The results showed that clustering with all features is not suitable because of weak structure of clustering. Then, each time the clustering was performed with different number of features. The silhouette index average is 80 percent that shows clustering quality. Therefore clustering is acceptable and has a strong structure. Conclusion: The results showed that clustering with all features is not suitable because of weak structure. Then, each time the clustering was performed with different number of features. The first cluster contains mild iron deficiency anemia, the second cluster contains severe iron deficiency anemia patients and the third cluster contains patients with other anemia cause.