28482

پيش بيني نياز بيماران به استفاده از دستگاه ونتيلاتور در بخش مراقبت‌هاي ويژه (I.C.U) جراحي قلب با استفاده از تكنيك هاي يادگيري ماشين

كارشناسي ارشد

مهندسي صنايع گرايش بهينه سازي سيستم ها

1399

1402/01/15

دكتر روزبه قوسي

دكتر فرناز برزين پور - دكتر عليرضا آتشي

مهندسي صنايع

امروزه در بخش سيستم‌هاي سلامت حجم گسترده‌اي از داده‌هاي مربوط به اين حوزه توليد و جمع‌آوري مي‌شود كه ما مي‌توانيم با استفاده از تكنيك‌هاي داده‌كاوي و يادگيري ماشين ، اطلاعات ارزشمندي را از اين داده‌ها استخراج نماييم. همانطور كه مي‌دانيم يكي از قسمت‌هاي مهم در بيمارستان‌ها ، بخش (آي.سي.يو) مي‌باشد. در اين تحقيق به بررسي (آي.سي.يو) جراحي قلب پرداخته مي‌شود. يكي از موضوعاتي كه در اين بخش حائز اهميت مي‌باشد ، بحث ونتيلاسيون بيماران هست. به عبارتي انجام تنفس براي بيماران توسط دستگاه‌هاي ونتيلاتور، يكي از نياز‌هاي مهم بيماران در اين بخش مي‌باشد كه با توجه به وجود محدوديت تعداديِ اين دستگاه‌ها در بيمارستان ، تبديل به موضوعي مهم شده است . يكي از دغدغه‌هاي كادر درمان شناسايي بيماراني هست كه نيازشان به اين دستگاه‌ها بيشتر و ضروري‌تر از ساير بيماران مي‌باشد. لذا ما به پيش‌بيني نياز بيماران بخش مراقبت‌هاي ويژه جراحي قلب به دستگاه ونتيلاتور پرداخته‌ايم. از نوآوري‌هاي اين تحقيق مي‌توان به استفاده از يك مدل تركيبيِ دومرحله‌اي اشاره كرد به اينصورت كه در مرحله اوّل مدلسازي از مدل‌هاي يادگيري ماشين و يادگيري عميق استفاده كرديم و 15 مدلِ طبقه‌بندي را اجرا كرديم و پيش‌بيني را انجام داديم و سپس در مرحله دوّم با استفاده از تركيبِ خوشه‌بندي و نظر خبره حوزه پزشكي ، بيماران را اولويت بندي كرديم. نتايج مدلسازي به ما نشان داد كه مدل شبكه عصبي مصنوعي نسبت به ساير مدل‌ها عملكرد بهتري دارد لذا به عنوان مدل منتخب در مرحله اوّل بخش پيش‌بيني را انجام داديم و مشخص شد از 328 تا بيمارِ ورودي ، تعداد 69 تا از آنها نياز به ونتيلاتور دارند ؛ سپس در مرحله دوّم با انجام خوشه‌بندي ، اين 69 بيمار را به 6 گروه تقسيم كرديم و بر اساس نظر خبره كه وضعيت حاد بيماران را تعيين نمودند ، اين 6 تا گروه از بيماران را اولويت بندي نموديم.

1402/04/13

Predicting Patients' Need For A Ventilator Equipment In The Cardiac Surgery Intensive Care Unit (I.C.U) Using Machine Learning Techniques

4/3/2024 12:00:00 AM

Today, in the field of health systems, a large amount of data related to this field is produced and collected, and we can extract valuable information from these data using data mining and machine learning techniques. As we know, one of the most important parts in hospitals is the (I.C.U). In this research, the (I.C.U) of cardiac surgery is investigated. One of the important topics in this section is the ventilation of patients. In other words, breathing for patients using ventilators is one of the important needs of patients in this department, which has become an important issue due to the limited number of these devices in the hospital. One of the concerns of the treatment staff is to identify patients who need these devices more and more essential than other patients. Therefore, we have predicted the patients' need for ventilators in the intensive care unit of cardiac surgery. Among the innovations of this research, we can mention the use of a two-phase hybrid model, so that in first phase of modeling, we used machine learning and deep learning models, and we implemented 15 classification models and made predictions, and then, in second phase, we prioritized patients using a combination of clustering and medical expert opinion. The results of modeling showed us that the ANN model performs better than other models, therefore, as the selected model in first phase, we performed the prediction part and it was found that out of 328 incoming patients, 69 of them need ventilators; Then, in second phase, by doing clustering, we divided these 69 patients into 6 groups and prioritized these 6 groups of patients based on the expert opinion that determined the acute status of the patients.

داده‌كاوي , يادگيري ماشين , بخش مراقبت هاي ويژه جراحي قلب , ونتيلاتور , پيش بيني , دسته بندي , ونتيلاسيون

Data Mining , Machine Learning , Cardiac Surgery Intensive Care Unit , Ventilator , Prediction , Classification , Ventilation

Ali Bahrami Chimeh

Dr. Rouzbeh Ghousi