شبیه سازی یک مدل ترکیبی به کمک الگوریتم ژنتیک و شبکه عصبی مصنوعی برای پیش بینی التهاب ریه در رادیوتراپی پستان

Abstract

سابقه و هدف: سمیت ریه مرتبط با رادیوتراپی قفسه سینه، تقریبا در 15-5% بیمارانی که رادیوتراپی قفسه سینه انجام می دهند اتفاق می افتد، برای حداقل رساندن آن لازم است تا ارتباط بین خطر التهاب ریه القا تابشی و پارامتر های درمان همانند فاکتور دزیمتری، فاکتورهای بیولوژیکی، و آزمایشهای عملکردی ریه درک شود. از این رو، شبکه عصبی مصنوعی فید-فوروارد همراه با الگوریتم ژنتیک برای پیش بینی وقوع التهاب ریه با درجه بالاتر 1 بررسی شد.مواد و روشها: در این مطالعه آماری و شبیه سازی، یک شبکه عصبی غیر خطی همراه با الگوریتم ژنتیک برای پیش بینی التهاب ریه ناشی از درمان رادیوتراپی خارجی پستان توسعه داده شد. شبکه عصبی شامل یک لایه ورودی، یک لایه میانی با هفت گره و لایه خروجی با یک گره می باشد. اطلاعات ورودی شبکه عصبی شامل 65 متغیر وابسته به دز بدست آمده از طراحی درمان و 8 متغیر مستقل از دز همانند شیمی درمانی، سن بیمار، وجود و یا عدم وجود جراحی، مکان تومور در سمت راست و یا چپ، تعداد میدانهای تابش، درجه تومور، و فاکتورهای هورمونی می باشد. این اطلاعات از 66 بیماری که به علت سرطان پستان با رادیوتراپی خارجی درمان می شدند، بدست آمده است. 18 بیمار التهاب ریه بالاتر از 1 داشتند. برای استخراج موثرترین ترکیب ورودی ها از روش الگوریتم ژنتیک استفاده شد. اهمیت هر ترکیب ورودی با الگوریتم ژنتیک با گره های میانی مختلف ارزیابی شد. برای ارزیابی کارآیی شبکه عصبی کامل و ترکیبی با الگوریتم ژنتیک از میزان دقت، حساسیت و ویژگی تشخیصی و منحنی های ROC استفاده شده است.یافته ها: برای شبکه بهینه شده ترکیبی با قالب های ورودی که از متغیر های وابسته و مستقل از دز ساخته شده است، ناحیه زیر منحنی مشخصات عملکردی دریافت کننده (ROC) برای آزمایش متعامد برای مدل های کامل و ترکیبی به ترتیب 84% و 91% می باشد. حساسیت، ویژگی و دقت 66%، 90% و 79% برای مدل کامل و 70%، 96% و 88% برای مدل ترکیبی می باشند.نتیجه گیری: شبکه عصبی مصنوعی نشان داده شده است که برای آموزش رابطه پیچیده بین پارامتر های درمان و خروجی که اگر بیشتر توسعه داده شود، می تواند بک وسیله سودمندی در پیش بینی خروجی های بیولوژیکی بکار گرفته شود. الگوریتم ژنتیک روش سریع و قابل اطمینانی برای انتخاب فاکتورهای مهم در تحلیل مطالعات کلینیکی بزرگ می باشد. همانطور که از نتایج مشخص می باشد، مدل ترکیبی شبکه عصبی همراه با الگوریتم ژنتیک روش کاراتری نسبت به مدل کامل شبکه عصبی در پیش بینی التهاب ریه می باشد.