استفاده از الگوریتم های مبتنی بر یادگیری ماشین در تشخیص و درمان سرطان سینه

مقدمه: یادگیری ماشین، زیرمجموعه ای از هوش مصنوعی است که به مطالعه ی علمی الگوریتم ها و مدل های آماری مورد استفاده در سیستم های کامپیوتری می پردازد. یادگیری ماشین، برای حل مسائل، به جای استفاده از دستورالعمل های از پیش تعریف شده، از الگوریتم و استنباط استفاده می کند. هدف از انجام این مطالعه، بررسی کاربرد یادگیری ماشین در تشخیص و درمان سرطان سینه بود. روش کار: این مطالعه مروری با جستجو در پایگاه های علمی Springer Link, PubMed, Google Scholar با کلیدواژه های machine learning algorithms, breast cancer, treatment, diagnosis انجام شد. معیارهای ورود مطالعه، مقالات پژوهشی اصیل انگلیسی در بازه 2020-2010 بود که به استفاده از الگوریتم های یادگیری ماشین در تشخیص سرطان سینه پرداخته بود. معیارهای خروج نیز مقالات مروری، پایان نامه، مقالات غیر انگلیسی یا خارج از بازه 2020-2010 بود که در نهایت 15 مقاله با توجه به معیارهای ورود انتخاب و بررسی شد. یافته ها: میزان عودت سرطان سینه در افراد بهبود یافته، ارائه طبقه بندی استاندارد از تومورهای بدخیم و خوشخیم، پیش بینی میزان بروز عوارض جانبی داروهای شیمی درمانی، استخراج اطلاعات پیش آگهی دهنده از داده های دموگرافیک و بالینی بیماران مبتلا شده، شناسایی ژن های مولد سرطان، تعیین مکان متاستاز و تعیین ژن های مقاوم در برابر سرطان از کاربردهای الگوریتم های مبتنی بر یادگیری ماشین در تشخیص و درمان سرطان سینه است. پرکاربردترین الگوریتم های یادگیری ماشین در تشخیص و درمان سرطان سینه عبارتند از: ماشین بردار پشتیبان(support vector machine)، درخت تصمیم گیری(decision tree)، کای نزدیکترین همسایه(k-nearest neighbors). نتیجه گیری: استفاده از الگوریتم های یادگیری ماشین، رویکردی بسیار دقیق و خوش بینانه در تشخیص زودهنگام سرطان سینه است و می تواند به میزان چشمگیری، باعث کاهش ابتلای افراد، افزایش طول عمر و کاهش مرگ و میر مبتلایان به سرطان سینه شود.

Keywords:

الگوریتم های یادگیری ماشین , سرطان سینه , تشخیص , درمان