مدیریت اطلاعات سلامت
سید محمد طباطبائی
رضا صفدری؛ لیلا شاهمرادی؛ مجتبی جواهر زاده؛ میرمیکائیل میرحسینی
دوره 13، شماره 6 ، بهمن 1395، ، صفحه 399-404
چکیده
مقدمه: آپاندیسیت حاد، شایعترین علت مراجعه بیماران با دردهای شکمی به اورژانس بیمارستانها و آپاندکتومی، شایعترین عمل جراحی اورژانس میباشد. با وجود پیشرفتهای چشمگیر در تشخیص این بیماری، آپاندکتومی منفی همچنان میزان قابل توجهی را به خود اختصاص داده است. در پژوهش حاضر، شبکه عصبی مصنوعی جهت کمک به تشخیص آپاندیسیت حاد طراحی ...
بیشتر
مقدمه: آپاندیسیت حاد، شایعترین علت مراجعه بیماران با دردهای شکمی به اورژانس بیمارستانها و آپاندکتومی، شایعترین عمل جراحی اورژانس میباشد. با وجود پیشرفتهای چشمگیر در تشخیص این بیماری، آپاندکتومی منفی همچنان میزان قابل توجهی را به خود اختصاص داده است. در پژوهش حاضر، شبکه عصبی مصنوعی جهت کمک به تشخیص آپاندیسیت حاد طراحی و ارزیابی گردید.روش بررسی: این مطالعه به صورت توصیفی انجام شد و در ابتدا ویژگیهای مؤثر تشخیصی، با مطالعه متون تخصصی و منابع مربوط جمعآوری شد. سپس در قالب چکلیست دستهبندی و توسط متخصصان جراحی عمومی ارزیابی و اولویتبندی گردید. حجم نمونه تعیین شده جهت آموزش و ارزیابی عملکرد شبکه عصبی، 181 مورد انتخاب شد. پایگاه داده با استفاده از پرونده بیمارانی که طی سال 1394 در بیمارستان شهید مدرس تهران آپاندکتومی شده بودند، جمعآوری گردید. سپس معماریهای مختلف از شبکه عصبی مصنوعی پرسپترون چندلایه MLP (Multilayer perceptron) جهت تعیین بهینهترین عملکرد تشخیصی در نرمافزار MATLAB پیادهسازی و مقایسه گردید. برای ارزیابی شبکه نیز شاخصهای مشخصه، حساسیت و صحت مورد استفاده قرار گرفت.یافتهها: بر اساس مقایسه بهینهترین خروجی MLP با نتایج پاتولوژی، حساسیت، مشخصه و صحت به ترتیب 8/68، 0/82 و 5/78 درصد گزارش گردید. بر اساس استانداردهای موجود و طبق نظر متخصصان جراحی عمومی و مقایسه با نتایج پاتولوژی، یافتهها بیانگر بهبود صحت تشخیصی در مورد آپاندیسیت حاد بود.نتیجهگیری: MLP طراحی شده میتواند عملکرد فرد متخصص را با دقت قابل قبولی مدل کند. استفاده از شبکه مذکور در سیستمهای تصمیمیار بالینی تشخیص آپاندیسیت حاد، با هدف کاهش ارجاعات منفی به مراکز درمانی، تشخیص به موقع، جلوگیری از آپاندکتومی منفی، کاهش مدت بستری بیمار و هزینههای درمانی مفید خواهد بود.