تحسين التنبؤ بمرض الكلى المزمن باستخدام أقل عدد من السمات

الملخص

أدت التكاليف الباهظة للديلزة في المراحل الأخيرة من مرض الكلى المزمن  (chronic kidney disease (CKD)) إلى ضرورة الكشف المبكر عن المرض قبل تقدمه إلى مراحل أخرى، إلا أن التحدي الأكبر هو أن معظم الناس لا يعانون من أي أعراض أو علامات في المراحل المبكرة من المرض، ولا يتم كشف المرض لديهم إلا في المراحل المتقدمة، وعندها تكون السيطرة على المرض صعبة. جذبت فكرة الكشف المبكر عن مرض الـكلى المزمن العديد من الأطباء والباحثين لتخفيض معدل الوفيات وإيقاف تقدم المرض في مراحله المبكرة والتقليل من عدد المرضى الخاضعين للديلزة وتكاليف الرعاية الصحية المرافقة، يهدف هذا البحث إلى التنبؤ بمرض الكلى المزمن من خلال أقل عدد ممكن من البارامترات والفحوصات المخبرية.  تم في هذا البحث بناء نظام ذكي يعتمد على الشبكات العصبونية الصنعية (intelligent artificial neural network (ANN) ) للتنبؤ بمرض الكلى المزمن واستخدمت قاعدة بيانات لـ 400 عينة، و كل عينة لها  23 سمة تصف حالتها (بعضها وصف سريري ،والآخر قيم فحوصات مخبرية)، أعطت الشبكة العصبونية دقة عالية (99.5%) وتوافق هذا مع الأبحاث السابقة، ثم تم تخفيض عدد السمات باستخدام الخوارزمية الجينية مع الشبكة العصبونية، وذلك بهدف الحصول على السمات الأكثر ارتباطاً بالمرض، فأصبح عدد السمات 3 سمات والتي حافظت على أداء الشبكة العصبونية، للتأكد من أهمية هذه السمات الناتجة و مدى فعاليتها فقد استخدمت في التنبؤ بالمرض باستخدام خوارزمية عنقدة k-means وهي خوارزمية ذات تعلم غير موجه (unsupervised learning) وكانت دقة النتائج (99.5%) مما أكد صحة السمات المستنتجة.