ارایه قانون تشخیصی جدید برای بیماری پارکینسون مبتنی بر روش استخراج ترکیبی

چکیده

مقدمه: بیماری پارکینسون یک معضل بهداشت جهانی مهم است که با گذشت زمان علایم آن شدیدتر می‌شود. تشخیص و درمان سریع این بیماری منجر به بهبود مهارت‌ها، توانمندی‌ها و عملکرد مبتلایان در کارهای روزمره زندگی می‌شود. به‌منظور تشخیص زودهنگام این بیماری، تولید سیستم‌های کمک تصمیم‌یار بالینی که قادر به کشف قوانین تشخیصی این بیماری باشند، ضروری است.

مواد و روش‌ها: در این مقاله یک روش خودکار استخراج قوانین تشخیصی جدید برای بیماری پارکینسون ارایه می‌شود. روش پیشنهادی مبتنی بر رگرسیون منطقی و الگوریتم شبیه‌سازی تبرید است. جهت ارزیابی روش از مجموعه داده پارکینسون آکسفورد استفاده شده که اطلاعات 23 فرد مبتلا به پارکینسون و 8 فرد سالم را در قالب 195 رکورد ذخیره کرده است. برای هر رکورد 23 ویژگی ذخیره شده که شامل 22 اندازه‌گیری صوتی است.

نتايج: نتایج به‌دست آمده شامل دو قانون تشخیصی است؛ در سیستم‌های خودکاری که صحت بالا اولویت دارد، یک قانون جدید شامل 21 عبارت منطقی ارایه شده است که دارای صحت 31/92، حساسیت 42/85 و ویژگی 56/94 درصد است. همچنین برای سیستم‌های بلادرنگ و کمک تصمیم‌یار بالینی با قابلیت تفسیرپذیری بالا، قانونی متشکل از سه عبارت منطقی پیشنهاد شده است که دارای صحت 97/78، حساسیت 08/77 و ویژگی 59/79 درصد است.

نتیجه‌گیری: نتایج به‌دست آمده نشان‌دهنده قدرت بالای تفسیرپذیری و قابلیت اعتماد قانون به‌دست آمده در تشخیص بیماری پارکینسون است که می‌تواند در پیاده‌سازی سیستم‌های از راه‌دور تشخیصی استفاده شود.