داده كاوي در پزشكي

بنابراين از داده كاوي براي غلبه بر اين مشكل و به دست آوردن روابط مفيد بين عوامل خطر زا در بيماري هاي قلب و عروق استفاده مي شود. اين بيماري ها با توجه به شيوع و سهمي كه در مـرگ و ميـر انسـان هـا دارنـد از اهميـت بـالايـي برخوردارند . داده كاوي دانش استخراج روابط و الگوهاي مفيد پنهان در حجم زياد داده است .
در ابـتداي قرن بيستم 10 درصد كل مرگ و ميرها به علت بيماري هاي قلبي عروقي بود. در انـتـهـاي هـمـيـن قرن موارد مرگ و مير ناشي از بيماري هاي قلبي به 25 درصد افزايش يافت و پيش بيني مي شود با توجه به روند كنوني تا سال 2025 ميلادي بيشتر از 35 تا 60 درصد موارد مرگ و مير در جهان از بيماري هاي قلبي عروقي ناشي شود.
استفاده از روش هاي آماري در بررسي داده ها مدتي است كه رونق گرفته است به طوري كه اغلب تحليل هاي پزشكي به وسيله روش هاي آماري انجام شده است .در اين رابطه نرم افزارهايي نظير SPSS در تحليل آماري داده ها استفاده مي شود . اين روش ها با وجود مشخص كردن روابط آماري موجود در داده ها ، محدوديت هايي را در تحليل داده هاي زياد همر اه با متغيرهاي متعدد ايجاد مي كند. روش هاي آماري معمولا براي اثبات فرضيه مورد نظر انجام مي شود بدين ترتيب كه ابتدا نظريه اي طرح شده و سپس توسط روش هاي آماري، درستي آن مورد ارزيابي قرار مي گيرد. همكاري متخصصان در زمينه كامپيوتر و پزشكي راه حل جديدي را در تحليل اين داده ها و به دست آوردن الگوهاي مفيد و كاربردي ارائه مي دهد كه همان داده كاوي است. در داده كاوي بر خلاف علم آمار به دنبال پيشگويي هستند نه كشف يا اثبات. بدين معنا كه با استفاده از روش هاي داده كاوي به دنبال تاييد آنچه از قبل وجود دارد نيستند بلكه به دنبال مشخص كردن الگوهاي از قبل شناخته نشده هستند. همچنين در اين كاربرد به دنبال اين نيستند كه تعيين كنند چه كساني داراي بيماري قلبي هستند، بلكه به دنبال اين مورد هستند كه چه عواملي ممكن است در بروز اين بيماري نقش بيشتري داشته باشند.
به كارگيري روش هاي داده كاوي در دانش پزشكي در كشور ايران سابقه اي ندارد در حالي كه توانائي هاي اين روش مي تواند در به دست آوردن الگوهاي مفيد كارساز باشد.
داده كاوي ويژگي هاي پزشكي بيماران با هدف تشخيص خودكار
داده كاوي به معناي استخراج اطلاعات نهفته، بازشناخت روابط و الگوهاي پنهان و به طور كلي كشف دانش سودمند از داده با حجم بالا است. استخراج قواعد طبقه بندي نوعي داده كاوي است كه در آن دانشي به شكل چندين قانون ساده و فهم پذير از داده كشف شده و در آينده براي تصميم گيري و پيشگويي به كار برده مي شود. از مهمترين زمينـه هـاي كـاربـردي استخـراج قـواعـد طبقـه بنـدي در حيطـه علـم پـزشكي است. با به كارگيري الگوريتم هاي داده كاو مي توان سيستم هاي هوشمندي ابداع كرد كه به شكل خودكار و بدون نياز به نظارت پزشك قادر به فهم و تفسير ويژگي هاي پزشكي افراد باشند يا اطلاعات مفيدي را اكتشاف كنند كه متخصصان را در قضاوت صحيح ياري رساند. در ادبيات داده كاوي تا كنون مجموعه بسيار متنوعي از روش ها ارائه شده است كه هر يك داراي نقاط ضعف و قدرت به خصوصي بوده كه عملكرد آن بسته به نوع داده و شرايط حاكم بر مساله متفاوت است، بنابر اين نمي تواند به تنهايي بهترين روش تلقي شود. در اين روش بررسي، پياده سازي و استفاده تركيبي از الگوريتم ها و راهكار هاي گوناگون داده كاوي و ارائه روش هاي جديد و كارآمد تر به منظور پيش بيني و طبقه بندي پرداخته مي شود. از روش هاي كلاسيك شناخته شده جهت كشف قواعد طبقه بنـدي مبتنـي بـر الگـوريتـم هـاي تكاملي و ابزار هاي جستجو قدرتمند GA، PSO و IWOاستفاده مي شود كه به كارگيري الگوريتم بهينه سازي علف هرز (IWO) به منظور داده كاوي براي نخستين بار نوآوري اين روش محسوب مي شود. همچنين يك روش جديد و ابتكاري تلفيقي جهت استخراج قواعد طبقه بندي از شبكه عصبي RBFآموزش يـافتـه بـه كمـك الگـوريتم كلني مورچه گان پيشنهاد شده است. در اعمال به چندين مجموعه داده مرجع برتري عملكرد كليه الگوريتم هاي پيشنهادي در كشف اطلاعات مفيد و استخراج قواعد طبقه بندي دقيق و تفسير پذير، نسبت به روش هاي كلاسيك به اثبات رسيده است. اين روش ها توانسته اند داده هاي Wisconsinمربوط به بيماران مبتلا به سرطان را با دقت بالاي 99% به درستي طبقه بندي كنند، هرچند طبقه بندي مجموعه داده هاي SPECT قلبي دشوار تر بوده و دقت از حدود 80% فراتر نرفته است.
داده كاوي در بهداشت و درمان
حوزه پزشكي و سلامت از بخش هاي مهم در جوامع صنعتي است. استخراج دانايي از ميان حجم انبوه داده هاي مرتبط با سوابق بيماري و پرونده هاي پزشكي افراد با استفاده از فرايند داده كاوي مي تواند منجر به شناسايي قوانين حاكم بر ايجاد، رشد و تسري بيماري ها شده و اطلاعات ارزشمندي را به منظور شناسايي علل رخداد بيماري ها، تشخيص، پيش بيني و درمان بيماري ها با توجه به عوامل محيطي حاكم در اختيار متخصصان و دست انداران حوزه سلامت قرار دهد. نتيجه اين مساله به معناي افزايش عمر و ايجاد آرامش براي افراد جامعه است.
مهمترين خدمات قابل ارايه با استفاده از روش هاي داده كاوي
بررسي ميزان تاثير دارو بر بيماري و اثرات جانبي آن
تـشخيـص و پيـش بينـي انـواع بيمـاري هـا مانند تشخيص يا پيش بيني انواع سرطان
تعيين روش درمان بيماري ها
پيش بيني ميزان موفقيت اقدامات پزشكي مانند اعمال جراحي
تـجــزيــه و تـحـلـيــل داده هــاي مـوجـود در سيستم هاي اطلاعات سلامت (HIS)
تحليل عكس هاي پزشكي
ساخت مدلي براي تعيين نوع درمان سنگ حالب با را هكار داده كاوي
داده كاوي (Data mining) مترادف با يكي از عــبــــارت هــــاي اســتــخـــراج دانـــش، بـــرداشـــت اطلاعات، وارسي داده ها و حتي لايروبي كردن داد ه هـا اسـت كـه در حقيقت كشف دانش در پـايگاه داد ه ها Knowledge Discovery in Databases (KDD را توصيف مي كند.
به طور ساده داده كاوي شامل استخراج دانش از حـجم عظيم داده ها مي شود. البته عباراتي مانند كشف دانش از داده، استخراج دانش، آناليز الگوها و لايروبي داده را نيز مي توان معادل واژه داده كاوي به كار برد.
فـرايـنـد كـشـف دانـش داراي چـندين مرحله است كه دقت در انجام هر كدام از اين مراحل، روي كـيـفـيـت كـل فـرايند تاثيرگذار است . اين مـراحـل عـبـارتـنـد از :1- فهم و تعريف مسئله : مرحله اول فهم حوزه كاري و مسئله اي است كه سعي در پيدا كردن راه حل براي آن است درك كـامـل مـسـئـله پيش نياز ضروري براي انتخاب روش مناسب داده كاوي و كشف دانش مفيد از ميان داده ها است.
2- جمع آوري و پيش پردازش داده ها: پيش پردازش داده ها خود شامل مراحلي است .
ايــن مــراحـل عـبـارتـنـد از: يـكـپـارچـه سـازي، حـذف نـويزها، مقابله با مقادير مفقوده و تغيير شـكـل داده هـا، كـاهـش تعـداد داده هـا يـا تعـداد ويژگي ها و غيره.
3- داده كـاوي: مـرحـلـه سـوم هـمـان مـرحـلـه دادهكاوي است كه با انجام آن الگوها و مدل هاي پنهان در ميان داده ها استخراج مي شود. در اين مرحله بايد نخست وظيفه داده كاوي و سپس روش داده كاوي را انتخاب كرد.
4- تفسير و ارزيابي نتايج : مرحله چهارم شامل تفسير نتايج به دست آمده از مرحله سوم است. لزوما نتايج به دست آمده از مرحله سوم قابل اطمينان نيستند و ممكن است بيانگر دانش مفيد و قابل استفاده
نباشند. به همين خاطر بايد اين نتايج را به گونه اي ارزيابي كرد . براي ارزيابي مدل به دست آمده مي توان در ابتداي امر، داده ها را به دو دسته آموزش (train) و آزمايش (test) تقسيم كرد، مدل را روي داده هاي آموزش ساخت و سپس نتايج به دست آمده را روي داده هاي تست آزمايش كرد و دقت مدل را محاسبه كرد.
استفاده از دانش كشف شده: مرحله آخر استفاده از دانش استخراج شده از داده ها به صورت عملي است. در حقيقت هدف از انجام مراحل مختلف كشف دانش، دست يابي به نتايجي است كه بتوان از آن ها در دنياي واقعي و براي بهبود كارايي سازمان ها استفاده كرد . اين دانش استخراج شده مي تواند به عنوان يك سيستم كمك تصميم در دنياي واقعي مورد استفاده قرار گيرد . داده كاوي روي داده هاي پزشكي از اهميت بالايي برخوردار است و طراحي سيستم هاي كمك تصميم جهت ياري رساندن به پزشكان در زمينه تشخيص نوع بيماري يا انتخاب نوع درمان مناسب، با كمك داده كاوي مي تواند كمك شاياني در زمينه نجات جان انسان ها انجام دهد . يكي از اندام هايي كه در بدن نقش اساسي و كليدي ايفا مي كند، كليه است. انجام آزمايشات مناسب و انتخاب روش هاي درماني مطلوب براي افرادي كه به يكي از بيماري هاي كليوي مبتلا هستند، بسيار حائز اهميـت اسـت چـرا كـه كـوتـاهـي در درمـان بيمـاري هاي كليوي مي تواند منجر به از كارافتادگي ساير ارگان هاي بدن و در برخي موارد منجر به مرگ بيمار شود . يكي از بيماري هاي مربوط به كليه، تشكيل سنگ كليه در افراد است .
امروزه روش هاي درماني مختلف براي برخورد با اين بيماري وجود دارد اما انتخاب روش درماني مناسب كه علاوه بر آسيب رساني كمتر به فرد، داراي خروجي مطلوب نيـز بـاشـد، كـاري پيچيـده اسـت . معمولا روش درماني براي اين بيماري با توجه به خصوصيات سنگ، انتخاب مي شود كه البته در بسياري از موارد روش درماني مناسب توسط پزشك براي بيمار انتخاب نمي شود. بدين جهت طراحي يك سيستم تصميم يار جهت انتخاب نوع درمان سنگ كليه با توجه به خصوصيات سنگ و بيمار و با كمك راهكار داده كاوي، مي تواند به پزشكان در انتخاب درمان ياري رسان باشد.
هـمــزمــان بــا گستـرش و رشـد داده كـاوي و كـاربـردهـاي آن در دهـه اخيـر، تـوجـه پژوهشگراني از حوزه پزشكي و سلامت را به خود جلب كرده و به كارگيري آن در تحقيقات اين حوزه روندي رو به تزايد پيدا كرده است.
روش بررسي
اطـلاعـات مربوط به بيماران از بيمارستان شهيد هاشمي نژاد جمع آوري شده و كارهاي مربوط به ساخت مدل (ورود داده ها، پيـش پـردازش و سـاخـت مـدل) در آزمـايشگـاه فناوري اطلاعات دانشگاه تربيت مدرسانجام شده است.
درخـت تصميم (Decision Tree): يكي از روشهـاي داده كـاوي روي پايگاه هاي داده، ساخت درخت تصميم مربوط به داده ها است. درخت تصميم يك ساختار درخت مانند دارد، در حـالـي كـه هر گره ورودي نشان دهنده يك امتحان روي يك ويژگي، هر شاخه خارج شده از آن گـره بـيـان كننده يكي از مقادير ممكن براي همان ويژگي و برگ ها نشان دهنده كلاس ها هـسـتند. فرايند دسته بندي هر نمونه با امتحان ويـژگـي بـيـان شـده در گره ريشه شروع شده و سپس از شاخه هاي درخت با توجه به مقدار آن ويژگي پايين مي آييم . سپس اين فرايند با امتحان گره بعدي كه در انتهاي شاخه انتخاب شده قرار دارد، ادامه مي يابد تا نهايتا به يك برگ برسيم . تـاكنون از درخت تصميم به عنوان روش داده كـاوي جـهـت استخراج الگوهاي نهان در داده هاي پزشكي، استفاده هاي زيادي شده است.
از آنجا كه عملكرد اين مدل، بهتر از عملكرد الـگـوريـتـم بـيـمـارسـتـانـي و مدل ذهني پزشكان اسـت، از آن مـي تـوان بـه عـنـوان سيستم كمك تـصـمـيـم جـهـت تـعـيـيـن نوع درمان سنگ هاي حالب در بيمارستان استفاده كرد . با كمك اين مـدل و بـا توجه به ويژگي هاي بيمار، پنج نوع درمــان مــوجـود در نـظـر گـرفـتـه شـده و درصـد موفقيت هر كدام از اين درمان ها پيش بيني مي شود. پزشك مي تواند با توجه به ميزان موفقيت هركدام از درما ن ها، درمان مناسب را براي بيمار انـتـخـاب كنـد . در الگـوريتـم بيمـارستـان، بـراي انتخاب نوع درمان فقط دو ويژگي اندازه و مكان سنگ مهم است ، ولي در مدل ساخته شده سن بيمار نيز در تصميم گيري موثر است. همچنين در الگوريتم بيمارستان براي سنگ هاي زير 10 و بالاي 10 ميلي متر دو روش درماني در نظر گرفته مي شود، در صورتي كه با توجه به مدل ساخته شده بايد براي انتخاب نوع درمان، سنگ هاي بيشتر و كمتر از هفت ميلي متر، بيشتر و كمتر از 11 ميلي متر، بيشتر و كمتر از 13 ميلي متر، بيشتر و كمتر از 20 و بيشتر و كمتر از 28 ميلي متر را در نظر گرفت و با توجه به اين اندازه نوع درمان را تعيين كرد.
تحقيق ها در زمينه داده كاوي
1-كـاربـرد داده كاوي در روش هاي ART درمان ناباروري
افـــزايـــش روزافـــزون پــيــشـــرفـــت در زمــيـنــه تــكــنـــولـــوژي اطـــلاعــات، بــاعــث ايـجــاد رشــد چـشـمگـيـري در عـلـوم شده است. يكي از اين رشــتـــه هـــا، عــلــم پــزشـكــي اســت. اسـتـفــاده از تـكـنـيـكهـاي دادهكـاوي در ايـن شـاخه از علم موجب شده كه در كليه مباحث، به خصوص بـحـث نـابـاروري بـتـوان سـيـسـتم هاي پزشكيار طـراحـي كـرد. عـوامـل مـخـتـلـفـي مـوجـب بـروز نـاباروري ميشود كه ميتوان آنها را به طور كلـي بـه دو دستـه تقسيـم كـرد: عوامل مردانه و عوامل زنانه كه هر كدام فاكتور هاي زيادي را شامل ميشوند و درمان خاص خود را دارند. روشهاي درماني از جمله IUI، IVF و غيره در اين حوزه استفاده ميشود. در اين تحقيق سعي بر اين است تا با استفاده از تحليلهاي دادهكاوي روشهاي غيرنظارتي، به تحليل دادههاي اين حــوزه پــرداخـتــه شـود تـا بتـوان بـه پـزشكـان در تصميمگيري جهت درمان بيماران كمك كرد.
2-كاربرد داده كاوي در بيماريهاي قلبي و عروقي
رشد چشمگير بيماريهاي قلبي و عروقي و اثرات و عوارض آن ها و هزينههاي بالايي كه بر جامعه وارد ميكند، باعث شده كه جامعه پزشكي به دنبال برنامه هايي جهت بررسي بيشتر، پيشگيري، شناسايي زود هنگام و درمان موثر آن باشد. از اينرو با استفاده از دادهكاوي و كشف دانش در سيستم مراكز قلب و عروق ميتوان دانش ارزشمند را ايجاد كرد كه اين دانش كشف شده ميتواند باعث بهبود كيفيت سرويس به وسيله مديران مركز شود و همچنين ميتواند به وسيله پزشكان استفاده شود تا رفتار آينده بيماران قلبي و عروقي از روي سابقه داده شده پيش بيني كنند و نيز تشخيص بيماري قلبي از روي ويژگيهاي گوناگون و نشانهها، ارزيابي فاكتورهاي ريسكي كه باعث افزايش حمله قلبي مي شود از مهمترين كاربردهاي داده كاوي و كشف دانش در سيستم بيماران قلبي و عروقي است
منابع
1-سيـد عليـرضـا كاج آبادي ؛ محمد حسين سرايي ؛ صديقه عسگري، داده كاوي پزشكي :راهكاري جهت كشف روابط بين عوامل خطرزاي قلبي، .artificial.ir
2- علي اكبر خاصه، داده كاوي، متن كاوي، و وب كاوي :تعاريف و كاربردها
3-نازلي خيرابي، حميد ، داده كاوي ويژگي هاي پزشكي بيماران به هدف تشخيص خودكار با استفاده از الگوريتم هاي هوشمند
4sites.google.com/site/daychegroup-
5- محمدمهدي سپهري، پريسا رهنما، پژمان شادپور، بابك تيمورپور، ساخت مدلي بـراي تعيين نوع درمان سنگ حالب با را هكار داده كاوي، مجله دانشكده پزشكي، دانشگاه علوم پزشكي تهران، دوره 67 ،شماره 6، شهريور 1388.
6- نرگس آقابيگي، محمد كاظم حسيني، محسن اصغري، الهام رحيمي،گروه داده كاوي دانشكده مهندسي صنايع دانشگاه خواجه نصير. 7-ماهنامه رايانه شماره 188

نظرات شما عزیزان:

شیده

ساعت19:45---16 ارديبهشت 1395

[وب سایت] - [ایمیل]

خیلی عالی بود من دانشجوی ارشد هوش مصنوعی هستم و با اجازه اتون ازش توی سمینارم استفاده میکنم ممنونم

یکتا خواجویی نژاد

ساعت16:19---4 ارديبهشت 1395

[وب سایت] - [ایمیل]

من میخوام روی داده کاوی در تشخیص نارایی برای پایان نامه ام کار کنم اما میخواستم بدونم امکانش هست دیتا ست هاتون بهم بدین که من دنبال کارای دیکه داده کاوی برم ممنون میشم و راهنمایی کنین بهم

لیلا

ساعت17:26---15 آبان 1394

[وب سایت] - [ایمیل]

با سلام خدمت شما دوست گرامی،از وبلاگ خوب شما تشکر می نمایم.خیلی خوب بود