Zeitschrift für Infektionskrankheiten und Präventivmedizin
Offener Zugang

Abstrakt

Anwendung von Data-Mining-Techniken bei der Diagnose von Tuberkulose (TB): Ein Vergleich der Effizienz von Multilayer Perceptron Neural Network (MLP) und Adaptive Neuro-Fuzzy Inference System (ANFIS)

Azamossadat Hosseini, Hamid Moghaddasi, Reza Rabiei, Sara Mohebi Mushaei

Hintergrund: Data-Mining-Techniken zur Krankheitsdiagnose helfen bei der Vorhersage und Bekämpfung verschiedener Krankheiten, darunter auch Tuberkulose (TB). Ziel dieser Studie war es, die Effizienz zweier Hauptmodelle zur TB-Diagnose zu vergleichen: MLP (Multilayer Perceptron Neural Network) und ANFIS (Adaptive Neuro-Fuzzy Inference System), um herauszufinden, welches Data-Mining-basierte Modell bei der Erkennung von Tuberkulose effizienter ist.

Materialien und Methoden: In dieser analytischen Studie wurde eine Datenbank für stationäre Patienten in einem Spezialkrankenhaus für Lungen- und Atemwegserkrankungen verwendet. Die Datenbank umfasste 1159 Datensätze, von denen 599 Datensätze zu TB-infizierten Patienten und 560 Datensätze zu nicht infizierten Patienten gehörten. Mithilfe von 13 Faktoren, die bei der Diagnose der Krankheit wirksam sind, und unter Verwendung des TB-Datensatzes wurden die beiden Modelle MLP und ANFIS getestet und bewertet. Abschließend wurden mithilfe des Verhältnistests zwei Modelle anhand ihrer AUC-Werte verglichen, um herauszufinden, welches effizienter ist. Die Sensitivität, Spezifität, Genauigkeit und RMSE der beiden Modelle wurden ebenfalls verglichen.

Ergebnisse: Die Effizienz von MLP betrug 0,9921 und die Effizienz von ANFIS 0,8572. Die Sensitivität, Spezifität, Genauigkeit und RMSE von MLP wurden mit 93,50 %, 94,80 %, 94,30 % bzw. 0,1788 angegeben. Diese Werte für ANFIS betrugen 79,60 %, 92,60 %, 85,63 % bzw. 0,3345. Diesen Ergebnissen zufolge gab es einen signifikanten Unterschied zwischen den Effizienzniveaus der MLP- und ANFIS-Modelle (p-Wert ˂0,0001).

Schlussfolgerung: MLP wies im Vergleich zu ANFIS einen höheren AUC-Wert auf. Die Ergebnisse zeigten auch eine höhere Sensitivität, Spezifität und Genauigkeit, jedoch einen niedrigeren RMSE für MLP. Insgesamt erwies sich MLP bei der TB-Diagnose als besser als ANFIS.