26339

پيش بيني عوارض قلبي و عروقي در بيماران ديابتي با استفاده از يادگيري ماشين مبتني بر فاكتورهاي دموگرافيك و آنتروپومتري (مطالعه موردي)

كارشناسي ارشد

مهندسي صنايع

1401

1400.10.28

دكتر فرناز برزين پور

دكتر صغرا ربيع زاده

مهندسي صنايع

بيماري‌ هاي قلبي عروقي كه بر ساختار و عملكرد ماهيچه قلب، اثرات مخرب مي‌گذارد، اولين علت مرگ و مير در دنيا مي باشند. بروز و شيوع ديابت و چاقي در قرن اخير به سرعت در حال افزايش است و بيماري هاي مرتبط و هم چنين مرگ و مير ناشي از چاقي و ديابت، مشكلات عظيم بهداشتي و درماني براي جوامع بشري ايجاد كرده است. يكي از عوارض شايع بيماري ديابت، بيماري هاي قلبي و عروقي مي باشند كه روز به روز بر تعداد افراد مبتلا به اين دسته از بيماري ها افزوده مي شود. يادگيري ماشين علميست كه به وسيله ي آن، الگوها و روابط نهان ميان داده ها كشف مي شوند. به عنوان زير مجموعه‌اي از هوش مصنوعي، الگوريتم‌هاي يادگيري ماشيني يك مدل رياضي بر اساس داده‌هاي نمونه يا داده‌هاي آموزش به منظور پيش‌بيني يا تصميم‌گيري بدون برنامه‌ريزي آشكار، ايجاد مي‌كنند. در اين پژوهش با استفاده از ابزارهاي يادگيري ماشين و داده هاي جمع آوري شده از 8162 بيمار ديابتي كه 42 فاكتور گوناگون شامل فاكتورهاي فيزيكي همچون قد، وزن، اندازه دور كمر و هم چنين فاكتورهاي خوني، شامل سطح قند خون، ميزان انسولين خون، تري گليسيريد خون و بسياري ديگر از فاكتوهاي خوني، هم چنين مشاهدات حاصله از معاينات باليني شامل، فشار خون، وجود عوارض ديابت در اندام تحتاني يا عدم وجود آنها در طي حدود ده سال در مركز غدد بيمارستان امام خميني جمع آوري شده اند. ابزارهاي گوناگون يادگيري ماشين استفاده شده، شامل روش هاي ساده يادگيري ماشين، روش هاي بر پايه شبكه هاي عصبي و روش هاي تركيبي مي باشند. هدف اصلي اين پژوهش، ايجاد يك مدل پيش بيني كننده با دقتي بالا به منظور پيش بيني امراض قلبي و عروقي در بيماران مبتلا به ديابت مي باشد. يافتن فاكتورهاي اثرگذار بر ابتلا به امراض قلبي و عروقي ناشي از ديابت ديگر هدفي مي باشد كه در اين پژوهش مورد توجه قرار گرفته است. در نهايت بيماري هاي قلبي و عروقي با دقت 82% پيش بيني شد. هم چنين فاكتورهاي اثرگذار همچون، سن بيمار، طول مدت ابتلا به ديابت، ميزان هموگلوبين A1C1، وجود عوارض ديابت در عروق كوچك و بزرگ از جمله فاكتورهايي بوده اند كه به عنوان تشديد كننده ي عوارض قلبي و عروقي شناخته شدند.

1401/01/15

Prediction of cardiovascular diseases in patients with diabetes based on socio-demographic and anthropometric factors (A case study)

1/18/2023 12:00:00 AM

Cardiovascular diseases, which have devastating effects on the structure and function of the heart muscle, are the leading cause of death in the world. The incidence and prevalence of diabetes and obesity has been increasing rapidly in the last century, and related diseases as well as mortality due to obesity and diabetes have created enormous health problems for human societies. One of the most common complications of diabetes is cardiovascular disease, which is increasing the number of people suffering from this group of diseases. Machine learning is the science by which patterns and hidden relationships between data are discovered. As a subset of artificial intelligence, machine learning algorithms create a mathematical model based on sample data or training data for predicting or making decisions without obvious planning. In this study, using machine learning tools and data collected from 8162 diabetic patients, 42 different factors including physical factors such as height, weight, waist circumference and also blood factors, including blood sugar level, blood insulin level, terry Blood glycerides and many other blood factors, as well as observations from clinical examinations, including blood pressure, the presence or absence of complications of diabetes in the lower extremities, have been collected at the endocrine center of Imam Khomeini Hospital for about ten years. The various machine learning tools used include simple machine learning methods, neural network-based methods, and hybrid methods. The main purpose of this study is to create a highly accurate predictive model for predicting cardiovascular disease in patients with diabetes. Finding factors affecting cardiovascular disease caused by diabetes is another goal that has been considered in this study. Finally, cardiovascular diseases were predicted with 82% accuracy. Also, influential factors such as the patient's age, duration of diabetes, hemoglobin A1C1 level, and the presence of diabetes complications in small and large arteries were among the factors that were known to aggravate cardiovascular complications.

ديابت , يادگيري ماشين , كارديوواسكيولار , فشار خون , نارسايي عروق كرونر

Diabetes Mellitus , Machine Learning , Cardiovascular , Blood Pressure , CAD

Soheil Jurabchi

Dr. Farnaz Barzinpoor