26737

توسعه رويكردي مبتني بر علم داده براي تحليل داده هاي مبتلايان به كوويد 19 با بيماري زمينه اي ديابت (مطالعه موردي: بيماران بيمارستان امام خميني)

كارشناسي ارشد

مهندسي صنايع

1398

1401/04/20

دكتر رسول نورالسناء

مهندسي صنايع

ويروس كرونا از ابتداي ظهور خود، زندگي انسان‌ها را در سراسر جهان به طرز شگفت‌انگيزي تحت تاثير قرار داده است. اين ويروس به دليل ناشناخته بودن و عدم آگاهي كافي از اين ويروس مشكلات زيادي را بوجود آورده است و در بسياري از موارد باعث مرگ و مير انسان¬ها شده است. از طرف ديگر، تجربيات نشان مي¬دهد داشتن بيماري زمينه¬اي به خصوص ديابت، باعث تشديد شدن اين بيماري مي¬شود و احتمال مرگ و مير را افزايش مي¬دهد. اقدامات صحيح و به موقع براي بيماران كرونايي به خصوص با بيماري زمينه¬اي مانند ديابت مي¬تواند از بسياري از اين عوارض جلوگيري كند و مرگ و مير ناشي از اين بيماري را كاهش دهد. يكي از اين اقدامات تشخيص صحيح و به موقع نياز به بخش مراقبت¬هاي ويژه مي¬باشد. متاسفانه به دليل كمبود امكانات در بيمارستان¬ها در اين شرايط، فقط تعداد محدودي از بيماران مي¬توانند در بخش مراقبت¬هاي ويژه بستري شوند كه همين امر اهميت شناسايي دقيق و به موقع بيماراني كه نياز به اين بخش دارند را دوچندان مي¬كند. يادگيري ماشين يكي از زير مجموعه‌هاي هوش مصنوعي است كه به سيستم‌ها اين امكان را مي¬دهد تا به صورت خودكار يادگيري و پيشرفت داشته باشند. حوزه‌هاي بسياري از فناوري يادگيري ماشين استفاده مي¬كنند و حوزه بهداشت و درمان نيز از اين قاعده مستثني نيست. با استفاده از ابزارهاي يادگيري ماشين مي¬توان به الگوها و قواعد ارزشمندي در حوزه سلامت دست يافت كه به تسريع در درمان كمك شاياني مي¬كنند در صورتي كه يافتن اين قواعد به صورت تجربي گاها بسيار زمان¬بر مي¬باشد. در اين پژوهش با استفاده از ابزارهاي يادگيري ماشين به بررسي داده¬هاي مربوط به 659 بيمار كرونايي بيمارستان امام خميني تهران كه بخشي از آنها ديابتي و بخشي غيرديابتي بودند پرداخته مي¬شود. هدف اصلي اين پژوهش ايجاد يك مدل پيش¬بيني كننده با دقتي بالا به منظور پيش¬بيني احتياج بيماران كرونايي به بخش مراقبت-هاي ويژه با در نظر گرفتن ديابت به عنوان بيماري زمينه¬اي مي¬باشد. همچنين يافتن ويژگي¬هاي مهم در پيش¬بيني نياز به بخش مراقبت¬هاي ويژه براي بيماران كرونايي براي هر دو گروه ديابتي و غيرديابتي از ديگر اهداف اين تحقيق مي¬باشد. در نهايت الگوريتم گراديان تقويتي براي هر دو گروه بهترين عملكرد را از خود نشان داد و با دقت نسبتا خوبي توانستيم مدلي براي پيش¬بيني نياز به بخش مراقبت¬هاي ويژه را براي هر دو گروه ارائه دهيم. درنهايت ويژگي‌هاي تعداد لنفوسيت¬ها، تعداد نوتروفيل¬ها، اوره، علائم غيرطبيعي در معاينه ريه¬ها و كلسيم براي بيماران كرونايي ديابتي¬ و همچنين ويژگي¬هاي تعداد لنفوسيت¬ها، تعداد نوتروفيل¬ها، تعداد گلبول¬هاي سفيد خون، اوره و خلط سينه براي بيماران كرونايي غير ديابتي براي پيش¬بيني نياز به بخش مراقبت¬هاي ويژه مهم شناخته شدند.

1401/04/22

Developing a Data Science Approach to Analyze Covid-19 Patients' Data with Diabetes Background (Case Study: Imam Khomeini Hospital Patients)

7/11/2023 12:00:00 AM

From its inception, the COVID-19 has dramatically affected the lives of people around the world. The virus has caused many problems due to the unknown and lack of knowledge about this virus and in many cases has caused human deaths. Experience, on the other hand, shows that having an underlying disease, especially diabetes, exacerbates the disease and increases the risk of death. Proper and timely measures for Crohn's patients, especially those with an underlying disease such as diabetes, can prevent many of these complications and reduce mortality from the disease. One of these measures is the correct and timely diagnosis of the need for an intensive care unit. Unfortunately, due to the lack of facilities in hospitals in this situation, only a limited number of patients can be admitted to the intensive care unit, which makes the accurate and timely identification of patients who need this unit much more important. Machine learning is a subset of artificial intelligence that allows systems to learn and progress automatically. Many fields use machine learning, and the field of healthcare is no exception. With the help of machine learning tools, valuable patterns and rules in the field of health can be achieved that help speed up the healing process. However, finding these rules empirically is sometimes very time-consuming. In this study by using machine learning tools, the data related to 659 patients with coronavirus of Imam Khomeini Hospital in Tehran, some of whom were diabetic and some of whom were non-diabetic, are examined. The main purpose of this study is to create a highly accurate predictive model to predict the need of patients with COVID-19 in the intensive care unit by considering diabetes as an underlying disease. Finding important features in predicting the need for an intensive care unit for these patients for both diabetic and non-diabetic groups is another goal of this study. Finally, the Gradient Boosting algorithm performed best for both groups, and with relatively good accuracy, we were able to provide a model for predicting the need for an intensive care unit for both groups. Finally, Neutrophil, Lymph, Abnormal lung signs, Urea, and calcium for diabetic patients with coronavirus, as well as Neutrophil, Lymph, WBC, Urea, and Sputum for non-diabetic patients with coronavirus were identified as important features to predict the need for an intensive care unit.

كوويد-19 , يادگيري ماشين , بخش مراقبت هاي ويژه , ديابت , پيش بيني

COVID-19 , Machine Learning , Intensive Care Unit , Diabetes , Prediction

Mohammadjavad Ebrahimi

Rassoul Noorossana