سیستم پیش‌بینی بالینی مبتنی بر شبکه عصبی برای شناسایی اثرات بالینی درمان مکمل زعفران بر آسم آلرژیک: ارزیابی مدل

پس‌زمینه: آسم معمولاً با التهاب مزمن راه‌های هوایی همراه است و علت اصلی بیش از یک میلیون مرگ در هر سال می‌باشد. کرکوس ساتیوس L، که به‌طور معمول به عنوان زعفران شناخته می‌شود، زمانی که به صورت داروهای سنتی استفاده می‌شود، اثرات ضد التهابی را نشان داده است که ممکن است برای افرادی که مبتلا به آسم هستند، مفید باشد. هدف: هدف این مطالعه توسعه یک سیستم پیش‌بینی بالینی با استفاده از شبکه عصبی مصنوعی برای شناسایی تأثیرات مکمل‌های C ساتیوس L بر بیماران مبتلا به آسم آلرژیک بود. روش‌ها: یک سیستم پیش‌بین شبکه عصبی اصلاح‌شده با الگوریتم ژنتیکی برای شناسایی سطح تأثیرگذاری C ساتیوس L با استفاده از ویژگی‌های استخراج‌شده از اطلاعات بالینی، ایمنولوژیک، هماتولوژیک و دموگرافیک بیماران مبتلا به آسم توسعه داده شد.

این مطالعه شامل داده‌های مربوط به مردان (n=40) و زنان (n=40) افراد مبتلا به آسم آلرژیک خفیف یا متوسط در سنین 18 تا 65 سال بود.هدف مدل برآورد و پیش‌بینی سطح تأثیر مکمل‌های C sativus L بر هر عامل خطر آسم و پیش‌بینی سطح تسکین در بیماران مبتلا به آسم بود. از یک الگوریتم ژنتیکی برای استخراج ویژگی‌های ورودی برای سیستم پیش‌بینی بالینی به منظور بهبود عملکرد پیش‌بینی آن استفاده شد. علاوه بر این، یک مدل بهینه‌سازی برای عنصر شبکه عصبی مصنوعی که بیماران مبتلا به آسم را با استفاده از درمان مکمل C sativus L طبقه‌بندی می‌کند، توسعه یافت. نتایج: بهترین عملکرد کلی سیستم پیش‌بینی بالینی دقتی بیشتر از 99٪ برای داده‌های آموزشی و آزمایشی بود.

الگوریتم ژنتیکی–شبکه عصبی تغییر یافته، سطح اثراتی را با دقت بالا برای پروتئین ضد شوک حرارتی (anti-HSP)، پروتئین C-reactive با حساسیت بالا (hs-CRP)، حجم هوای اجباری در اولین ثانیه بازدم (FEV1)، ظرفیت حیاتی اجباری (FVC)، نسبت FEV1/FVC، و جریان بازدم اجباری (FEF25%-75%) برای داده‌های آزمایشی پیش‌بینی کرد (anti-HSP: 96.5%; hs-CRP: 98.9%; FEV1: 98.1%; FVC: 97.5%; نسبت FEV1/FVC: 97%; و FEF25%-75%: 96.7%، به ترتیب).نتیجه‌گیری:سیستم پیش‌بینی بالینی توسعه یافته در این مطالعه برای پیش‌بینی اثر مکمل‌های C sativus L بر بیماران مبتلا به آسم آلرژیک مؤثر بود. این سیستم پیش‌بینی بالینی ممکن است به پزشکان کمک کند تا زودتر عوامل بالینی در آسم را که در طول درمان بهبود خواهند یافت، شناسایی کنند و به این ترتیب، به پزشکان کمک کند تا برنامه‌های درمانی مؤثری برای بیماران مبتلا به آسم توسعه دهند.

“Background:
Asthma is commonly associated with chronic airway inflammation and is the underlying cause of over a million deaths each year. Crocus sativus L, commonly known as saffron, when used in the form of traditional medicines, has demonstrated anti-inflammatory effects which may be beneficial to individuals with asthma.

Objective:
The objective of this study was to develop a clinical prediction system using an artificial neural network to detect the effects of C sativus L supplements on patients with allergic asthma.

Methods:
A genetic algorithm–modified neural network predictor system was developed to detect the level of effectiveness of C sativus L using features extracted from the clinical, immunologic, hematologic, and demographic information of patients with asthma. The study included data from men (n=40) and women (n=40) individuals with mild or moderate allergic asthma from 18 to 65 years of age. The aim of the model was to estimate and predict the level of effect of C sativus L supplements on each asthma risk factor and to predict the level of alleviation in patients with asthma. A genetic algorithm was used to extract input features for the clinical prediction system to improve its predictive performance. Moreover, an optimization model was developed for the artificial neural network component that classifies the patients with asthma using C sativus L supplement therapy.

Results:
The best overall performance of the clinical prediction system was an accuracy greater than 99% for training and testing data. The genetic algorithm–modified neural network predicted the level of effect with high accuracy for anti–heat shock protein (anti-HSP), high sensitivity C-reactive protein (hs-CRP), forced expiratory volume in the first second of expiration (FEV1), forced vital capacity (FVC), the ratio of FEV1/FVC, and forced expiratory flow (FEF25%-75%) for testing data (anti-HSP: 96.5%; hs-CRP: 98.9%; FEV1: 98.1%; FVC: 97.5%; FEV1/FVC ratio: 97%; and FEF25%-75%: 96.7%, respectively).

Conclusions:
The clinical prediction system developed in this study was effective in predicting the effect of C sativus L supplements on patients with allergic asthma. This clinical prediction system may help clinicians to identify early on which clinical factors in asthma will improve over the course of treatment and, in doing so, help clinicians to develop effective treatment plans for patients with asthma.”