انتخاب ویژگی‌های مؤثر کلینیکی و ژنتیکی به‌منظور پیش‌بینی دوز وارفارین با استفاده از شبکه‌های عصبی مصنوعی

Abstract

زمینه و هدف: وارفارین داروی ضدانعقاد می‌باشد که نقش آن پیشگیری از ایجاد لختگی است. هدف از این مقاله، ارایه روشی مناسب برای انتخاب ویژگی‌های مهم کلینیکی و ژنتیکی و پیش‌بینی میزان دوز وارفارین بود.

روش بررسی: این مطالعه تجربی، از اردیبهشت تا خرداد 1394 بر روی 552 نفر از بیمارانی که در بیمارستان مرکز قلب تهران کاندید استفاده از وارفارین بودند، انجام گرفت. عوامل تأثیرگذار در میزان دوز استخراج شده، و روش‌های انتخاب ویژگی و شبکه‌های عصبی در نرم‌افزار MATLAB (MathWorks, MA, USA) پیاده‌سازی گردید.

یافته‌ها: از بین دو الگوریتم به‌کار گرفته شده، الگوریتم بهینه‌سازی ازدحام ذرات دارای دقت مناسب‌تری بوده و برای میانگین مربعات خطا، جذر میانگین مربعات خطا و میانگین قدر مطلق خطا به ترتیب 0262/0، 1621/0 و 1164/0 به‌دست آمد.

نتیجه‌گیری: بر اساس نتایج به‌دست آمده، با تعداد ویژگی‌های کمتر، می‌توان به دقت مناسبی از پیش‌بینی دوز وارفارین دست یافت. همچنین از این مدل می‌توان به‌عنوان یک سیستم پشتیبان تصمیم‌گیری بهره برد.