مجله

مقدمه: یکی از عوارض خطرناک بیماری دیابت نوع یک افزایش و کاهش ناگهانی سطح غلظت قند خون می‌باشد که باعث بروز خطراتی چون اغماء و بیهوشی خواهد شد. بنابراین استفاده از روش‌هایی با درصد خطای پایین و هوشمند با اطلاعات موجود در جهت پیش بینی و در نهایت پیشگیری از این عوارض،گام مهمی در جهت کنترل بهینه بیماری محسوب می‌شود. به همین منظور در این مقاله ما از الگوریتم ترکیبی Fuzzy SARSA برای طراحی سیستم خبره در جهت پیش بینی نوسانات سطح قند خون بیماران مبتلا به دیابت نوع یک استفاده کرده‌ایم. هدف از این مقاله، ارائه و پیاده سازی یک الگوریتم ترکیبی جدید مبتنی بر یادگیری تقویتی و منطق فازی به نام FSA(Fuzzy SARSA Algorithm) برای طراحی سیستم خبره می‌باشد. روش‌ها: داده‌های پزشکی مورد استفاده در این مقاله مربوط به 3 بیمار زن ایرانی مبتلا به دیابت نوع یک است، که شامل الگوهایی چون نوع و دز انسولین تزریقی، فاصله زمانی بین ساعات ثبت سطح غلظت قند خون و نیز سطح غلظت قند خون در ابتدای بازه زمانی می‌باشد. در این مقاله از الگوریتم معروف یادگیری تقویتی به نام SARSA استفاده شده و با منطق فازی پیاده‌سازی شده و الگوریتم Fuzzy SARSA را در سیستم خبره برای پیش بینی نوسانات سطح قند خون بیماران مبتلا به دیابت نوع یک به‌کار برده‌ایم. یافته‌ها: نتایج به‌دست آمده برای سیستم خبره با الگوریتم پیشنهادی FSA برای عامل یادگیرنده با استفاده از پارامترهای، سطح غلظت قند خون در ابتدای بازه زمانی (mg/dlit)، دز انسولین کوتاه اثر تزریقی به بدن (unit)، دز انسولین طولانی اثر تزریقی به بدن (unit)، سطح استرس (unit)، سطح فعالیت بدنی (unit)، کربوهیدرات مصرفی (gr)، فاصله میان ابتدا و انتهای بازه زمانی (hour) نشان می‌دهد که عامل توانسته در 85 درصد سطح قند خون را در بازه نرمال 80 تا 120 نگه داردو در 15 درصد خطایی که عامل داشته مواقعی‌است که عامل اکتشاف درستی برای تزریق انسولین کوتاه اثر و طولانی اثر نداشته است. نتیجه گیری: در پایان تحقیق با توجه به نتایج به‌دست آمده مشخص شد که الگوریتم پیشنهادی برای سیستم هوشمند با کاهش تقریباً 15 درصدی خطای پیش‌بینی نسبت به دیگر روش‌های متدوال و از جمله روش‌های مبتنی بر یادگیری تقویتی، می‌توانند به‌عنوان مدلی مناسب به‌منظور پیش بینی نوسانات سطح غلظت قند خون در بیماران مبتلا به دیابت نوع یک تلقی گردد، ضمن اینکه می‌توان از سایر روش‌های پیش بینی مبتنی بر هوش مصنوعی مانند شبکه‌های عصبی جهت پیش‌بینی دقیق استفاده کرد.