@ARTICLE{Hosseini, author = {Hosseini, Mir Mekaeal and Safdari, Reza and Shahmoradi, Lila and Javaherzadeh, Mojtaba and }, title = {Better Diagnosis of Acute Appendicitis by Using Artificial Intelligence}, volume = {20}, number = {4}, abstract ={زمینه: آپاندیسیت حاد، شایع‌ترین علت مراجعۀ بیماران با دردهای شکمی به اورژانس بیمارستان‌ها و آپاندکتومی شایع‌ترین عمل جراحی اورژانس است. با وجود ابداع روش‌های گوناگون تشخیصی، میزان آپاندکتومی غیرضروری قابل توجه است. استفاده از روش‌های هوش مصنوعی و یادگیری ‌ماشینی می‌تواند فرآیند تشخیص و درمان را بهبود بخشد. در این پژوهش از سیستم ماشین‌بردار پشتیبان جهت کمک به تشخیص آپاندیسیت حاد با هدف افزایش صحت تشخیصی و کاهش میزان آپاندکتومی غیرضروری و پیامد های جراحی استفاده شد. مواد و روش‌ها: طی پژوهشی توسعه‌ای، با مطالعۀ متون تخصصی بیماری‌های دستگاه گوارش، متغیرهای مؤثر تشخیصی گردآوری و در قالب چک لیست دسته‌بندی و توسط متخصصان ارزیابی شدند. 181 مورد از پروندۀ بیمارانی که طی سال 1394 در بیمارستان فوق تخصصی شهید مدرس عمل آپاندکتومی شده بودند، پایگاه داده را تشکیل دادند. سپس سیستم ماشین بردار پشتیبان با معماری‌های مختلف جهت تعیین بهترین عملکرد تشخیصی پیاده‌سازی و مقایسه گردید. از شاخص‌های حساسیت، صحت و مشخصه جهت ارزیابی استفاده شد. یافته‌ها: خروجی به‌دست آمده از سیستم ماشین‌بردار دارای حساسیت، مشخصه و صحت 7/91 درصد، 2/96 درصد و 95 درصد بود که بیانگر عملکرد مناسب آن در تشخیص آپاندیسیت حاد است. نتیجه‌گیری: با استناد به نتایج می‌توان گفت که استفاده از سیستم ماشین بردار پشتیبان طراحی شده در تشخیص آپاندیسیت حاد، با هدف تشخیص به‌ موقع، جلوگیری از آپاندکتومی غیرضروری، کاهش مدت بستری و هزینه‌های درمانی بیمار مؤثر خواهد بود. }, URL = {http://ismj.bpums.ac.ir/article-1-886-fa.html}, eprint = {http://ismj.bpums.ac.ir/article-1-886-fa.pdf}, journal = {Iranian South Medical Journal}, doi = {}, year = {2017} }