طراحی شبکه عصبی مصنوعی برای پیش‌بینی نتایج حاملگی در مادران باردار لوپوسی در ایران

Abstract

زمینه و هدف: لوپوس اریتماتوی سیستمیک (SLE) بیماری خودایمنی چند سیستمی با تظاهرات متنوع و رفتار متغیر می‌باشد. بارداری برای زنان با SLE به‌عنوان چالش مطرح است. مشاوره پیش از بارداری به دلیل برآورد ریسک نتایج نامطلوب در مادر و جنین با استفاده از داده‌های مناسب ضروری است. هدف این مطالعه، طراحی شبکه عصبی مصنوعی برای پیش‌بینی نتایج حاملگی در زنان باردار لوپوسی بود. روش بررسی: در این بررسی گذشته‌نگر، 45 متغیر تاثیرگذار در نتایج حاملگی زنان باردار لوپوسی شناسایی شده و پرونده‌های این بیماران در بیمارستان شریعتی (104 بارداری) و یکی از مراکز خصوصی (45 بارداری) از سال 1360 تا 1392، در مرداد و شهریور ماه سال 1393 بررسی و متغیرهای مورد نظر استخراج گردید. با استفاده از رگرسیون لاجستیک باینری در SPSS, ver. 20 (Chicago, IL, USA) متغیرهای تاثیرگذار در نتایج بارداری شناسایی شد. متغیرهای انتخابی به‌عنوان ورودی شبکه استفاده شد. شبکه پرسپترون چندلایه (Multi-layer Perceptron, MLP) پیش‌خور با الگوریتم پس انتشار گرادیان توام مدرج در MATLAB, ver. R2013b (Natick, MA, USA) طراحی و مورد ارزیابی قرار گرفت. برای ارزیابی شبکه از ماتریس کانفیوژن استفاده شد. یافته‌ها: دوازده متغیر که 05/0>P داشتند به‌ عنوان متغیرهای تاثیرگذار، به همراه 4 متغیر به‌نسبت تاثیرگذار با 1/0P<، برای پیش‌بینی نتایج حاملگی در بیماران لوپوسی با استفاده از رگرسیون لاجستیک شناسایی شد. از این 16 متغیر به‌ عنوان ورودی شبکه پرسپترون چند لایه استفاده گردید. صحت، حساسیت و ویژگی بهترین شبکه عصبی طراحی شده در داده‌های تست به ترتیب 9/90%، 0/80%، 1/94% و در کل داده‌ها به ترتیب 3/97%، 5/93%، 0/99% بود. نتیجه‌گیری: با استفاده از فاکتورهای تاثیرگذار شناسایی شده در این مطالعه و استفاده از شبکه پرسپترون چند لایه (MLP) برای پیش‌بینی سقط خودبه‌خودی جنین و نوزاد سالم، می‌توان به درستی، پیامد بارداری در زنان لوپوسی را پیش‌بینی نمود.