مدل سازی سیستم ایمنی بدن با استفاده از شبکه های بیزی

در این مقاله براساس الگوی شبکه­ های بیزی در  ساختار مارکوفی و درختی، که یکی از الگوریتم های معروف در یادگیری ماشین است، به مطالعه عفونت ادراری افراد، که یکی از علایم شایع در ضعف سیستم ایمنی بدن است، پرداخته شده است. در این مقاله یک نمونه در مقیاس بزرگ برای ارزیابی عمل­کرد الگوریتم شبکه­ های بیزی انجام شده است. در این مطالعه ۴۰۵۲ نمونه از بانک اطلاعاتی مربوط به معاونت درمان دانشگاه علوم پزشکی قزوین- مرکز بهداشت و درمان شهرستان تاکستان  استخراج شد که هم آزمایش تحلیل ادرار و هم آزمایش کشت ادرار داشتند. با توجه به اهداف مطالعه و با استفاده از نظر متخصص آزمایشگاه و متخصص ارولوژی ۱۵ متغیر انتخاب شد. متغیر نوع عفونت ادراری به عنوان پاسخ و ۱۴ متغیر ورودی در مدل شبکه بیزی با الگوریتم ­های مختلف تحت بررسی قرار گرفتند. نتایج نشان می­دهد روش شبکه بیزی با ساختار درختی و انتخاب گام به گام متغیرها تقریبا بدون خطا برای ۷/ ۹۹ درصد از داده­های آموزشی، (۷۵ درصد از کل داده­ها)، و ۸/۹۹ درصد داده­ های آزمایشی (۲۵درصد از کل داده­ ها) دارای تشخیص درست است. براساس الگوی شبکه­ های بیزی، متغیرهای کمکی تاثیرگذار بر عفونت ادراری، افزایش باکتری­ها و کاهش گلبول­ های سفید خون در گروه­ های سنی مختلف به­ دست آمده است. نتایج این مطالعه در چارچوب یادگیری ماشین و سیستم­ های هوشمند، می­تواند برای تشخیص سریع این بیماری و درمان افراد مشکوک به این بیماری در سطح جامعه بدون حضور فیزیکی  استفاده شود

کلیدواژه ها:

bacteria ، machine learning ، markov algorithm ، tree algorithm ، white blood cells ، الگوریتم درختی ، الگوریتم مارکوفی ، باکتری ، گلبول های سفید ، یادگیری ماشین