بررسی تاثیر کاهش ویژگی با استفاده از الگوریتم ژنتیک بر روی دقت الگوریتم های یادگیری ماشین جهت شناسایی بیماری مولتیپل اسکلروزیس

مولتیپل اسکلروزیس (ms) شایع ترین اختلال التهابی و عصبی مزمن در افراد که با درگیری مغز و نخاع همراه می باشد و بیش از 2 میلیون نفر در سراسر جهان را تحت تاثیر قرار داده است. در ایران نیز هر روز تعداد افراد زیادی به پزشکان مراجعه می کنند و با علائم خفیف یا شدیدی که دارند، متوجه بیماری خود می شوند. جامعه آماری این پژوهش شامل بیماران ام اس بیمارستان قائم شهرستان مشهد می باشند که در آن 16 پرسشنامه(300 سوال) بر بستر وب طراحی و در اختیار آن ها قرار گرفته است. 162 نفر به پرسشنامه ها پاسخ دادند. در این پژوهش ابتدا همبستگی هر پرسشنامه با سطح ام اس بیمار بررسی شد تا پرسشنامه هایی با همبستگی بالا حذف گردند. سپس به کمک الگوریتم ژنتیک، به کاهش ویژگی ها یا همان پرسشنامه ها پرداخته تا از این طریق مجموع پرسشنامه هایی که می توانند ارتباط نزدیکی با یکدیگر و سطح ام اس داشته باشند را پیدا و برخی حذف گردند. با این کار به بیماران کمک می شود تا زمان کمتری را صرف پر کردن پرسشنامه ها کنند، چرا که اغلب از کم‌توانی و بعضا از ناتوانی حرکتی رنج می برند. همچنین بعد از بصری سازی داده ها بصورت الکترونیکی و جمع بندی امتیاز هر پرسشنامه، پزشک می تواند باسرعت بالاتری متوجه وضعیت بیمار شود. نتایج حاصل از این تحقیق نشان داد جهت شناسایی دقیق بیماری از روی پرسشنامه ها و پاسخ بیماران، همه پرسشنامه ها لازم هستند و این امر توسط پزشکان متخصص تایید شد.