مقايسه روش‌هاي مختلف يادگيري ماشين در تشخيص پرفشاري خون در بيماران ديابتي با و بدون در نظر گرفتن هزينه‌ها

Comparison of Various Machine Learning Methods in Diagnosis of Hypertension in Diabetics with/without Consideration of Costs

مقدمه و اهداف: بیماران دیابتی همواره در معرض ابتلا به پرفشاری خون هستند. هدف از این تحقیق طراحی یك مدل پیش‌بینی پرفشاری خون در میان افراد مبتلا به دیابت، مبتنی بر هزینه و با در نظر گرفتن توزیع این بیماری در جامعه بود، كه تا حد ممكن عملكرد مناسبی داشته باشد. روش كار: در این پژوهش تلاش شد تا با استفاده از روش‌های مختلف یادگیری ماشین، یك مدل پیش‌بینی مبتنی بر هزینه طراحی شود كه تا حد ممكن بهترین عملكرد در پیش‌بینی افراد دیابتی در معرض خطر  پرفشاری خون را داشته باشد. از میان الگوریتم‌های داده‌كاوی، از الگوریتم‌های درخت تصمیم، ماشین بردار پشتیبانی، شبكه عصبی و نیز رگرسیون لجستیك استفاده  شد. برای انجام این پژوهش از داده‌های‌ مربوط به غربالگری بیماران دیابتی برای تشخیص پرفشاری خون در استان آذربایجان شرقی استفاده  شد. یافته‌ها: افزایش فشار خون سیستول به میزان 130 میلی‌متر جیوه، فرد دیابتی را بیشتر در معرض پرفشاری خون قرار می‌دهد. با رویكرد غیر هزینه‌محور، به شاخص یودن حدود 68 درصد رسیدیم. زمانی كه رویكرد هزینه‌ محور به كار بسته می‌شود، بیشترین شاخص یودن (11/47 درصد) مربوط به شبكه عصبی است، هر چند هدف در اینجا حداقل‌سازی هزینه است كه در راستای این هدف، درخت تصمیم و رگرسیون لجستیك بهترین عملكرد را دارند. نتیجه‏ گیری: در مسائل پیش‌بینی بیماری‌ها در جوامع، حساس به هزینه كردن روش‌ها و در نظر گرفتن توزیع واقعی بیماری در جامعه اهمیت بیش‌تری دارد تا این‌كه تنها هدف، كمینه كردن تعداد خطاهای دسته‌بندی روی مجموعه داده‌ی موجود باشد.

Background and Objectives: Diabetic patients are always at risk of hypertension. In this paper, the main goal was to design a native cost sensitive model for the diagnosis of hypertension among diabetics considering the prior probabilities. Methods: In this paper, we tried to design a cost sensitive model for the diagnosis of hypertension in diabetic patients, considering the distribution of the disease in the general population. Among the data mining algorithms, Decision Tree, Artificial Neural Network, K-Nearest Neighbors, Support Vector Machine, and Logistic Regression were used. The data set belonged to Azarbayjan-e-Sharqi, Iran. Results: For people with diabetes, a systolic blood pressure more than 130 mm Hg increased the risk of hypertension. In the non-cost-sensitive scenario, Youdenʹs index was around 68%. On the other hand, in the cost-sensitive scenario, the highest Youdenʹs index (47.11%) was for Neural Network. However, in the cost-sensitive scenario, the value of the imposed cost was important, and Decision Tree and Logistic Regression show better performances. Conclusion: When diagnosing a disease, the cost of miss-classifications and also prior probabilities are the most important factors rather than only minimizing the error of classification on the data set.