دوره 9، شماره 4 - ( 12-1401 )                   جلد 9 شماره 4 صفحات 229-209 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Maghsoudi R, Mirzarezaee M, Sadeghi M, Najar-Araabi B. Development of a Pharmacogenomics Model based on Support Vector Regression with Optimal Features Selection Approach to Determine the Initial Therapeutic Dose of Warfarin Anticoagulant Drug. jhbmi 2023; 9 (4) :209-229
URL: http://jhbmi.ir/article-1-721-fa.html
مقصودی روح الله، میرزارضایی میترا، صادقی مهدی، نجار اعرابی بابک. توسعه مدل فارماکوژنومیکس مبتنی بر رگرسیون بردار پشتیبان با رویکرد انتخاب ویژگی‌های بهینه جهت تعیین دوز اولیه درمانی داروی ضد انعقادی وارفارین. مجله انفورماتیک سلامت و زیست پزشکی. 1401; 9 (4) :209-229

URL: http://jhbmi.ir/article-1-721-fa.html


استادیار، گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
چکیده:   (669 مشاهده)
مقدمه: فارماکوژنومیکس و استفاده از ابزارهای هوش مصنوعی در آن یکی از جدیدترین زمینههای تحقیقاتی بیوانفورماتیک است. یکی از داروهای بسیار مهم که تعیین دوز اولیه درمانی آن کار مشکلی است، داروی ضدانعقادی وارفارین میباشد. وارفارین یک داروی ضد انعقاد خوراکی است که انتخاب دوز بهینه آن به دلیل پنجره درمانی باریک و روابط پیچیده فاکتورهای فردی، چالش برانگیز است. هدف این پژوهش تعیین دوز اولیه بهینه می­باشد.
روش: در میان روشهای مبتنی بر کرنل، مقایسه و شناسایی کرنل مناسب مورد بحث قرار نگرفته است. در این پژوهش ضمن بررسی دقیق این رویکرد، الگوریتمهای مختلف انتخاب ویژگی را مورد آنالیز قرار داده و با تکیه به نظر خبرگان، زیرمجموعه مناسب از متغیرهای پیش‌بین مؤثر جهت تخمین دوز شناسایی خواهد شد.
نتایج: در این مطالعه از مجموعه دادهای جمعآوری شده توسط کنسرسیوم بینالمللی وارفارین استفاده  شده است. نتایج نشان میدهد که ماشین بردار پشتیبان با کرنل مناسب و زیرمجموعه ویژگیهای پیشنهادی قادر است به طور موفقیتآمیزی دوز ایدهآل وارفارین را برای درصد قابل توجهی از بیماران با خطایی حدود 0/7 میلیگرم در هفته پیشبینی کند.
نتیجه‌گیری: تخمین با نسخه حداقل مربعات رگرسیون بردار پشتیبان مبتنی بر کرنل مناسب و با یک استراتژی مناسب انتخاب ویژگی صورت گرفت. در این روش، رویکرد بهتری برای پیشبینی دوز بهینه درمانی وارفارین ارائه شده است که قادر است خطای دوزهای اشتباه و عواقب ناشی از آن را به طور قابل ملاحظهای کاهش دهد.


متن کامل [PDF 2208 kb]   (507 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: هوش مصنوعی در حوزه سلامت
دریافت: 1401/6/17 | پذیرش: 1401/9/30

فایل صوتی [MP3 839 KB]  (21 دریافت)
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله انفورماتیک سلامت و زیست پزشکی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2023 CC BY-NC 4.0 | Journal of Health and Biomedical Informatics

Designed & Developed by : Yektaweb