پیشگویی میزان موفقیت روش تلقیح اسپرم داخل سیتو پلاسم تخمک (ICSI) با استفاده از شبکه عصبی مصنوعی و لوژستیک رگرسیون

Abstract

زمینه و هدف: تزریق اسپرم به داخل تخمک (ICSI) در زوجین نابارور، تحولی شگرف در درمان این بیماران ایجاد نموده است. متأسفانه علی‌رغم هزینه بالای انجام ICSI، میزان موفقیت آن چشم‌گیر نبوده و شکست در ایجاد حاملگی، استرس سنگینی به آن‌ها تحمیل می‌کند. هدف از این تحقیق کوششی برای استخراج بهترین پارامتر‌های پیشگویی‌کننده در میزان موفقیت ICSI و ارتقای دقت، حساسیت و ویژگی پیشگویی به کمک مدل ریاضی لوژستیک رگرسیون و شبکه عصبی مصنوعی می‌باشد. روش کار: اطلاعات لازم از پرونده 345 بیمار تحت درمان ICSI و در قالب 54 پارامتراسمی و عددی استخراج گردید. داده‌ها به صورت تصادفی به دو دسته تخمین و یا آموزش (276n=) و اعتبارسنجی یا آزمون (69 n=) تقسیم شدند. مدل‌های بکاربرده شده در این تحقیق باینری لوژستیک رگرسیون و شبکه عصبی با الگوی یادگیری لونبرگ مارکوارد بودند. نهایتاً مدل‌ها بوسیله شاخص‌هایی مانند دقت، حساسیت و ویژگی ارزیابی گردیدند. یافته‌ها: بهترین خروجی بدست آمده با مدل باینری لوژستیک و با استفاده از 54 متغیر 97% دقت، 86% حساسیت و 94% ویژگی را بدست داد. بهترین خروجی برای شبکه عصبی با استفاده از الگوی آموزشی لونبرگ مارکوارد با مدل کاهش یافته شامل تعداد 29 متغیر، دقت 82%، حساسیت 92% و ویژگی 76% بدست داد. نتیجه‌گیری: مدل باینری لوژستیک رگرسیون دارای قدرت زیادی در پیشگویی میزان موفقیت تزریق داخل سیتوپلاسمی تخمک هنگامی که خروجی به صورت باینری است می‌باشد.