مجله دانشگاه علوم پزشکی

چکیده زمینه و هدف: رگرسیون لجستیک یک مدل عمومی برای بررسی رابطه بین متغیرهای مستقل و پاسخ‌های دوحالتی است. یکی از مدل‌های انعطاف‌پذیر که به طور جایگزین می‌تواند مورد استفاده قرار گیرد، مدل شبکه عصبی مصنوعی است. این مطالعه با هدف مقایسه‌ی قدرت پیش‌بینی پاسخ‌های دوحالتی داده‌های پزشکی، با مدل شبکه عصبی مصنوعی و رگرسیون لجستیک انجام شد. مواد و روش کار: برای انجام این پژوهش، از داده‌های 639 بیمار مبتلا به سرطان معده، گردآوری شده توسط مرکز تحقیقات گوارش و کبد دانشگاه علوم پزشکی شهید بهشتی طی سال‌های 1381-1385، استفاده شد. مرحله بیماری به عنوان متغیر وابسته در نظر گرفته شد. ارزیابی شبکه بر اساس ملاک حداقل مربعات خطای پیش‌بینی صورت گرفت و مقایسه پیش‌بینی‌های مدل نهایی شبکه با مدل رگرسیونی با استفاده از شاخص هماهنگی و منحنی راک صورت پذیرفت. تحلیل داده‌ها با نرم‌افزار R 2.12 و SPSS 17.0 انجام شد. یافته‌ها: سطح زیر منحنی مشخصه عملکرد مدل شبکه عصبی برابر 725/0 و مدل رگرسیون لجستیک برابر 699/0 به دست آمد. همچنین صحت پیش‌بینی کل برای مدل شبکه عصبی و رگرسیونی به ترتیب برابر 771/0 و 710/0 محاسبه گردید. همچنین اختلاف پیش‌بینی‌های دو مدل معنی‌دار شد (002/0 = P). نتیجه‌گیری: صحت پیش‌بینی شبکه در تشخیص مرحله‌ی بیماری سرطان معده بیش‌تر از مدل رگرسیونی لجستیک به دست آمد و لذا این مدل برای تشخیص مرحله‌ی بیماری پیشنهاد می‌شود.