fa ایجاد سیستم خبره فازی برای تشخیص بیماری مزمن کلیوی کلیه Nephrology پژوهشي Research <strong><span style="color:#0070C0;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">زمینه و هدف: </span></span></span></strong><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">تشخیص و مداخله سریع و زودهنگام بیماری مزمن کلیوی به دلیل ماهیت پویا و مخفی آن جهت پیشگیری از هدر رفت مقدار زیاد منابع مالی ضروری است. این مطالعه با هدف طراحی و ایجاد سیستم خبره مبتنی بر منطق فازی جهت تشخیص بیماری مزمن کلیوی انجام شد.</span></span></span><br> <strong><span style="color:#0070C0;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">روش کار:</span></span></span></strong> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">ابتدا جستجو در پایگاه داده پابمد جهت شناسایی اولیه پارامترها انجام شد. سپس پرسشنامه‌ای در اختیار کلیه پزشکان متخصص نفرولوژی مراکز آموزشی درمانی وابسته به دانشگاه علوم پزشکی ایران (18 پزشک) قرار گرفت. تحلیل داده‌های حاصل از پرسشنامه با استفاده از نسخه 22 نرم‌افزار </span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">SPSS</span></span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> انجام شد (محاسبه میانگین امتیاز هر پارامتر). بر اساس ویژگی‌های انتخاب شده و با استفاده از متون، راهنماها و بر اساس نظر پزشکان، مجموعه قوانین تشخیص بیماری تعیین شد. سیستم خبره با استفاده از نرم‌افزار متلب و سیستم استنتاج ممدانی طراحی شد. در نهایت عملکرد سیستم خبره فازی با استفاده از اطلاعات پرونده پزشکی 216 بیمار مبتلا و غیر مبتلا به بیماری مزمن کلیوی مورد ارزیابی قرار گرفت.</span></span></span><br> <strong><span style="color:#0070C0;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">یافته‌ها:</span></span></span></strong> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">از 49 پارامتر شناسایی شده با استفاده از متون و راهنماها، پارامترهای اصلی جهت تشخیص بیماری مزمن کلیوی 16 مورد به دست آمد. صحت، حساسیت و اختصاصی بودن سیستم در تشخیص </span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">CKD</span></span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> به ترتیب 74/90، 03/87 و 44/94 درصد بود. سطح زیر منحنی راک 90/0 و ضریب کاپا توافق 81/0 به دست آمد که حاکی از ارتباط خیلی شدید میان تشخیص سیستم و تشخیص نهایی ثبت شده در پرونده‌های بیماران بود.</span></span></span><br> <strong><span style="color:#0070C0;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">نتیجه‌گیری:</span></span></span></strong> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">با توجه به نتایج مطلوب حاصل از به‌کارگیری و ارزیابی سیستم خبره پیشنهادی، این سیستم می‌تواند در تشخیص بیماری مزمن کلیوی مفید باشد.</span></span></span> <strong>Background:</strong> Diagnosis and early intervention of chronic kidney disease is essential to prevent loss of a large amount of financial resources. For this reason, the researcher is seeking to design a fuzzy logic based expert system for diagnosis of chronic kidney disease.<br> &nbsp;<strong>Methods:</strong> At first, a strategic search was conducted in the Pubmed database for initial identification of the parameters. A questionnaire was distributed to all nephrologists in Iran University of Medical Sciences (18 physicians). Data analysis was performed using SPSS v.22, which was calculated by taking the average of the scores given to each parameter. Depending on the features selected, a set of general rules for the diagnosis of chronic kidney disease was determined by reviewing the literature, guidelines and consulting with a nephrologist. Fuzzy Expert System was designed using MATLAB software and Mamdani Inference System. Finally, the fuzzy expert system was evaluated using medical records of 216 patients with and without chronic kidney disease.<br> <strong>Results:</strong> The main parameters for diagnosis of chronic kidney disease were 16. The accuracy, sensitivity and specificity of the system were respectively 90.74%, 87.03% and 94.44%. The surface under the roc curve was 0.90 and the kappa coefficient was 0.81, indicating a very high correlation between the system diagnosis and the final recorded diagnosis in the patient medical records.<br> <strong>Conclusion: </strong>Considering the desirable outcomes resulting from the implementation and evaluation of the proposed expert system, The system can be useful in diagnosis of chronic kidney disease. سیستم خبره, بیماری مزمن کلیوی, منطق فازی Expert system, Chronic kidney disease, Fuzzy logic 46 60 http://rjms.iums.ac.ir/browse.php?a_code=A-10-3955-1&slc_lang=fa&sid=1 Abbas Sheikhtaheri عباس شیخ طاهری tt_taheri@yahoo.com 3900319475328460043132 3900319475328460043132 No Iran University of Medical Sciences دانشگاه علوم پزشکی ایران، تهران، ایران Farahnaz Hamedan فرحناز حامدان f.hamedan@gmail.cm 3900319475328460043133 3900319475328460043133 Yes Iran University of Medical Sciences, Tehran, Iran دانشگاه علوم پزشکی ایران، تهران، ایران Hooshang Sanadgol هوشنگ سندگل sanadgol@yahoo.com 3900319475328460043134 3900319475328460043134 No Iran University of Medical Sciences دانشگاه علوم پزشکی ایران Azam Orooji اعظم اروجی orooji_9898@yahoo.com 3900319475328460043135 3900319475328460043135 No Iran University of Medical Sciences دانشگاه علوم پزشکی ایران