مقاله کاربرد داده کاوی در پیش بینی آلزایمر از روی حرکات چشم

بخشی از مقاله

چکیده

استفاده از الگوریتم ها و تکنیک های داده کاوی می تواند الگوها و نتایجی را برای محققین فراهم کند که عوامل ابتلا به بیماری های مختلف را نشان دهد و بر اساس آن نتایج ، پزشکان و دست اندرکاران علوم پزشکی در پیشگیری آن بیماری ها اقدام کنند. از این رو هدف از مطالعه حاضر، بررسی مقوله کاربرد داده کاوی به عنوان یکی از رویکردهای مهم در راستای بررسی حرکات چشم، ارزیابی میزان دقت و در نهایت پیش بینی آلزایمر بوده که به بررسی برخی از روشهای ارزیابی دقت که در مقالات مختلف ارائه شده است، پرداخته شد.

.1 مقدمه

داده کاوی عبارت است از اقتباس یا استخراج دانش از مجموعه ای بسیار حجیم از داده ها. به بیان دیگر ، داده کاوی1 فرایندی است که با استفاده از تکنیکهای هوشمند، دانش را از مجموعه ای از دادهها استخراج میکند که تحلیل-های ساده آماری قادر به انجام آن نیستند. داده کاوی از الگوریتم های بسیار پیچیده ریاضی جهت تقسیم بندی داده ها و پیشگویی رویدادها استفاده می کند.[1]

بیشتر افرادی که که علم داده کاوی را مورد استفاده قرار میدهند افراد متخصصی در یک زمینه خاص علمی - پزشک، رادیولوژیست، مدیر فروش، تاجر و... - بوده و نه تنها به داده های خاص خود دسترسی دارند بلکه به جمع آوری آن نیز اقدام می ورزند. هدف این افراد این است که نه تنها ترجیح می دهند داده های خود را بهتر بشناسند بلکه مایلند دانش جدیدی را در رابطه با زمینه فعالیت خود کشف نمایند . مقصود صاحبان داده، حل مسائل و مشکلات با استفاده از راههای جدید و در صورت امکان بهتر می باشد.[2]

لازم به ذکر است تفاوت داده کاوی با روش های آماری در این است که در علم آمار ما به دنبال اثبات فرضیه مورد نظر هستیم اما در داده کاوی بر خلاف علم آمار به دنبال مشخص کردن الگوهای از قبل شناخته نشده هستند. همچنین در این کاربرد به دنبال این نیستند که تعیین کنند مثلا چه کسانی دارای بیماری آلزایمر هستند بلکه به دنبال پیشگیری و این که چه عواملی ممکن است در بروز این بیماری نقش بیشتری داشته باشند، هستند.[3]

در دنیای پزشکی، دادههای مربوط به علایم بیماران مبتلا به بیماریهای گوناگون و روش های کمکی برای تشخیص این بیماریها بسیار وسیع و گسترده میباشد تا جایی کهمعمولاً تحلیل و در نظر گرفتن همه جانبهی تمامی عوامل دخیل توسط یک فرد دشوار به نظر میرسد.[4] همانطور که میدانیم کشف و تشخیص به موقع بیماریها می تواند از ابتلا به بسیاری از بیماریهای مهلک نظیر سرطان جلوگیری نموده و باعث نجات زندگی مردم گردد.

با پیشرفتهای بیولوژیکی امروزه و توسعه تکنولوژی و استفاده از فناوریهای روز و تجهیزات مدرن پزشکی، متخصصین قادرند تا به جمع آوری اطلاعات دقیقتری در مورد بیماران گردند که تحلیل آنان به دلیل حجم بالای اطلاعات و متعدد بودن موارد، مشکل و نیاز به فناوری جدیدتری می باشد که تکنولوژیهای داده کاوی به کمک الگوریتمهای قدرتمند خود به این مهم دست یافته است . هدف از روشهای پیشگویی داده کاوی در پزشکی بالینی، ساخت یک مدل پیشگویانه است که به پزشکان کمک می کند تا روشهای پیشگیری، تشخیص و برنامههای درمانی خود را بهبود بخشند.[5]

در حالت کلی داده کاوی به طور همزمان از چندین رشته علمی بهره میبرد، نظیر: تکنولوژی پایگاه داده، هوش مصنوعی، یادگیری ماشین2، شبکههای عصبی، آمار3، شناسایی الگو، سیستمهای مبتنی بر دانش4، حصول دانش5، بازیابی اطلاعات6، محاسبات سرعت بالا7 و بازنمایی بصری داده.[6] 8 داده کاوی در اواخر دهه ی 1980 پدیدار گشت، در دهه 1990 گامهای بلندی در این شاخه از علم برداشته شد و انتظار می رود در قرن حاضر نیز به رشد و توسعه خود ادامه دهد و پیش بینی ها حاکی از آن است که در دهههای آتی با توسعه ای انقلابی مواجه شود.

موسسه فن آوری ماساچوست9 داده کاوی را یکی از ده فن آوری برتری می داند که نقش چشم گیری در تحول جهان خواهد داشت.[7] داده کاوی در پزشکی، در پیش گیری و یا تشخیص نوع بیماریها و انتخاب روشهای درمان بیماریها کاربرد دارد . مدلهای توسعه یافته تکنیک داده کاوی میتوانند برای پزشکان جهت کمک در تصمیم گیری موثر و کاربردی باشد.[8] مهم ترین خدمات قابل ارایه در پزشکی با استفاده از داده کاوی عبارتند از:

·    بررسی میزان تأثیر دارو بر بیماری و اثرات جانبی آن

·    تشخیص و پیشبینی انواع بیماریها مانند تشخیص و یا پیش بینی انواع سرطان ها

·    تعیین روش درمان بیماری ها

·    پیش بینی میزان موفقیت اقدامات پزشکی مانند اعمال جراحی

·    تجزیه و تحلیل دادههای موجود در سیستمهای اطلاعات سلامت.[9]

2.    روش های کشف دانش در داده کاوی

داده کاوی از ساخت مدلهای تحلیلی ، دسته بندی و پیش بینی اطلاعات و ارائه نتایج با استفاده از ابزارهای مرتبط استفاده می کند . برای اینکه الگوریتم داده کاوی بتواند عمل استخراج دانش را به خوبی انجام دهد، نیاز به یک سری پیش پردازش ها بر روی داده ها و یک سری پس پردازشها بر روی الگوهای استخراج شده دارد. از تکنیکهایی که برای داده کاوی استفاده می شود می توان به روشهای زیر اشاره نمود:

.1,2 دسته بندی10 - تکنیک پیشگویانه -

در این روش یک نمونه به یکی از چند دسته از پیش تعریف شده دسته بندی می شود.

.2,2 رگرسیون11 - تکنیک پیشگویانه -

پیش بینی یک مقدار متغیر مبنی بر متغیرهای دیگر.

.3,2 خوشه بندی12 - تکنیک توصیفی -

یک دسته داده را به یکی از چند خوشه نگاشت می کند . خوشهها گروه بندیهای دسته های داده ای هستند که بر اساس شباهت برخی از معیارها بوجود می آیند.

.4,2 کشف قواعد وابستگی13 - تکنیک توصیفی -

روابط وابستگی بین خصیصه های مختلف را بیان میکند.

.5,2 تحلیل دنباله

الگوهای دنباله ای همچون سریهای زمانی را مدل می کند.

.3 پیش بینی آلزایمر با حرکات چشم

محققان دانشگاه باهیا بلانکای آرژانتین بعد از مشاهده بیماران با احتمال بیماری آلزایمر، نتیجه گرفتند معاینه حرکات چشم آنان در هنگام خواندن از عوامل اولیه تشخیص این بیماری است .در این تحقیق، دانشمندان 18 بیمار با احتمال ابتلا به بیماری آلزایمر را مورد بررسی قرار دادند . از بیماران درخواست شد جملاتی به زبان اسپانیایی با ساختارهای گرامری متفاوت را بخوانند. در همین حال محققان حرکات چشم آنان را ثبت کردند.

با بررسی صورت گرفته محققان دریافتند بیماران مبتلا به آلزایمر تمرکز بصری کمتری در زمان خواندن دارند. حرکت چشم آنان در زمان خواندن آهستهتر و تثبیت پردازش دادههای جدید طولانیتر است . سپس محققان از شرکتکنندگان درخواست کردند جملات را دوباره بخوانند . فرضیه بر این اساس بود که در دومین مرتبه، بیماران مفهوم جملات و معنی استنتاج شده را بهتر پیشبینی کنند، اما شرکت کنندگان حرکات چشم مشابهی داشتند. محققان دریافتند افراد مبتلا به بیماری آلزایمر ممکن است به دلیل آسیب عملکرد، بازیابی و کارکرد حافظه با مشکل بیشتری در ارزیابی و ذخیره اطلاعات روبرو باشند.