پیش‌بینی رژیم دارویی بیماران مبتلا به بیماری پارکینسون با استفاده از واحدهای بازگشتی دروازه‌دار وابسته به زمان

نویسندگان

1 دانشیار، گروه مغز و اعصاب، دانشکده پزشکی، دانشگاه شهید بهشتی، تهران، ایران

2 دانشجوی دکتری، گروه مهندسی پزشکی، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

3 گروه مکاترونیک، دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی

doi
10.22041/ijbme.2025.2075956.2006
چکیده

مدیریت دارویی بیماری پارکینسون می‌تواند به دلیل تغییر‌پذیری علائم و میزان پیشرفت بیماری چالش‌برانگیز باشد. این مطالعه با هدف نشان دادن پتانسیل الگوریتم‌های دنباله‌به‌دنباله در پیشنهاد ترکیب‌های شخصی‌سازی‌شده دارویی برای بیماران مبتلا به بیماری پارکینسون بر اساس مراجعه‌های قبلی آن‌ها انجام شده است. روش پیشنهادی از معماری چند لایه واحد بازگشتی دروازه‌دار آگاه به زمان با مکانیزم چندسر برای پیش‌بینی دقیق دوز انواع داروهای مهم بیماری پارکینسون بر اساس علائم حرکتی و داروهای تجویز شده در مراجعه‌های پیشین هر بیمار استفاده می‌کند. مدل آگاه به زمان با در نظر گرفتن ضریب تضعیف باعث می‌شود اطلاعات قدیمی‌تر مربوط به مراجعه‌های دورتر اثر کم‌تری بر حالت جاری داشته باشند. تحلیل ما نشان می‌دهد این معماری می‌تواند دوز گروه‌های اصلی داروهای بیماری پارکینسون را با خطای میانگین مربعات برابر با 005/0، خطای میانگین مطلق برابر با 037/0 ، ریشه میانگین مربعات خطا برابر با 073/0 و ضریب تعیین برابر با 75/0پیش‌بینی کند. معماری پیشنهادی بستری را برای توسعه‌ی سامانه‌های پشتیبانی تصمیم‌گیری بالینی هوشمند و ابزارهای مدیریت دارویی شخصی‌سازی‌شده فراهم می‌کند و رویکردی داده‌محور برای بهینه‌سازی رژیم‌های درمانی بیماران مبتلا به بیماری پارکینسون ارائه می‌دهد.