ارزیابی کیفیت و موفقیت های پیوند کلیه

پیوند کلیه تنها گزینه بسیاری از بیمارانی است که در مراحل نهایی این بیماری هستند و به آنها کمک می کند تا به روند عادی زندگی بر گردند. پیوند کلیه هر چند که می تواند درصد مرگ و میر بیماران کلیوی را کاهش دهد، اما ریسک عدم تطابق بین میزبان و اهدا کننده، همواره وجود دارد. لذا پیش بینی میزان تطابق قبل از عمل می تواند به افزایش درصد بقای بیماران پیوند کلیه کمک کند. در بیشتر موارد تصمیمات کلینیکی و پزشکی قبل از عمل پیوند کلیه برای پیش بینی تطابق، هر چند که با آزمایش های زیادی اخذ می شود، همه مبتنی بر درک و فهم و استدلال شخص پزشک یا گروه پزشکان هستند. این فرایند منجر به تصمیمات نادرست یا خطا می شود و هزینه های زیاد هم برای سیستم درمانی و هم برای بیماران در بر دارد. استفاده از روش های مبتنی بر داده کاوی و یادگیری ماشین، قدمی موثر در راستای کاهش این خطاها می باشد. در این مقاله، با استفاده از مجموعه داده های داخلی و چند روش مرسوم در ادبیات موضوع، برای ارزیابی کیفیت در بازه های مختلف پس از پیوند بر اساس معیارهای مرسوم متخصصان این حوزه، پارامترهای موثر در این فرایند را دسته بندی و رتبه بندی خواهیم کرد. نتایج این مطالعه نشان می دهد که پارامترهای بالینی و غیربالینی از اهمیت ویژه ای در پیش بینی نتیجه پیوند کلیه برخوردارند، این موضوع در کشور ما تاکنون به شکل تجربی انجام می شده است اما در این مطالعه این پروسه به صورت یک مدل هوشمند با استفاده از یادگیری ماشین، تحلیل و پیاده سازی شده است تا بدین صورت پارامترهای موثر در پیش بینی نتیجه پیوند کلیه به شکلی هوشمند محاسبه شوند. در ادبیات موضوع هم همانند این مطالعه، از پارمترهای بالینی و غیربالینی استفاده شده و اهمیت این پارامترها در پیش بینی نتیجه پیوند به تصویر کشیده شده است. در کارهای مشابه، بین تعداد پارامترهای بالینی و غیربالینی مورد استفاده، تعادل برقرار بوده اما در این پژوهش تعداد پارامترهای غیربالینی بیشتر از پارامترهای بالینی است و این مورد بر نتایج، تاثیر معنا داری گذاشته است.