رمضان تیموری یانسری - گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
میترا میرزارضایی - گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
مهدی صادقی - پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری، تهران، ایران
بابک نجار اعرابی - دانشکده مهندسی برق و کامپیوتر، دانشکدگان فنی، دانشگاه تهران، تهران، ایران.

سرطان پستان در حال حاضر شایع ترین سرطان تشخیص داده شده و علت اصلی مرگ و میر ناشی از سرطان در زنان در سراسر جهان است. در سال های اخیر در حوزه مطالعات سرطان پستان و روند درمان این بیماری، تحلیل زمان بقای بیماران مبتلا، بسیار مورد توجه بوده است. انتخاب مدل مناسب برای تحلیل زمان بقا چالش اصلی در تحلیل بقا این بیماران است. در این پژوهش کاربردی به کمک روش های یادگیری ماشین نیمه نظارتی مبتنی بر گراف، مدلی برای تحلیل بقا بیماران مبتلا به سرطان پستان پیشنهاد شده است. اطلاعات بالینی و فارماکوژنومیکی، به همراه نتایج مصرف داروی تاموکسی فن در فرایند درمان سرطان تهاجمی مربوط به ۳۸۳۳ بیمار مبتلا به سرطان پستان که در بازه ۵ سال تحت پیگیری بوده اند، مورد استفاده قرار گرفته است. همچنین با شبیه سازی مدل ها در نرم افزار متلب، عملکرد مدل پیشنهادی در تخمین زمان بقای عاری از بیماری تهاجمی و سایر پارامترهای بقا با مدل های رایج تحلیل بقا، مورد ارزیابی قرار گرفته است. نتایج نشان می دهد که با به کارگیری مدل پیشنهادی تحلیل بقا در پیش بینی زمان بقا عاری از سرطان پستان تهاجمی و همچنین استفاده ترکیبی از ویژگی های بالینی و فارماکوژنومیکی، دقت پیش بینی ۱۴ درصد بیشتر از زمانی بود که فقط از ویژگی های بالینی استفاده شد و ۱۵ درصد بیشتر از زمانی بود که فقط ویژگی های فارماکوژنومیکی به کار گرفته شد. علاوه بر این، مدل پیشنهادی تحلیل بقا در پیش بینی زمان بقا عاری از بیماری تهاجمی و پارامتر نسبت خطر در مقایسه با مدل های رایج تحلیل بقا دقت بالاتری داشته است.

تاموکسی فن, تحلیل بقا, زمان بقا عاری از بیماری تهاجمی, سرطان پستان, مدل شتاب دار زمان شکست, مدل خطرهای متناسب کاکس, یادگیری ماشین, یادگیری نیمه نظارتی مبتنی بر گراف