مدلسازی درخت تصمیم گیری بر اساس روشهای داده کاوی و پیشنهاد یک مدل جدید در تشخیص سرطان پوست با دو روش رنگ آمیزی ایمونوهیستوشیمی

مقدمه: شیوه های نوین تشخیصی، نظیر رنگ آمیزی ایمونوهیستوشیمیایی در سرطان پوست به متخصصان کمک می کند تا با اطمینان بیشتر و در زمان کوتاه تر به تشخیص برسند. هدف از این مطالعه، مقایسه یک روش مبتنی بر درخت تصمیم، برای تشخیص افتراقی دو نوع سرطان پوست (سرطان سلول های بازال و سرطان سلول های سنگفرشی) بر اساس نتایج سه روش رنگ آمیزی می باشد. روش: در حوزه داده کاوی و با استفاده از نرم افزارهای SPSS.V۱۹ و Clementine.V۱۲ با روش های مدل سازی درخت تصمیم گیری CART و CHAID، داده های مربوط به ۶۰ بیمار مبتلا به سرطان پوست مربوط به کشور مالزی بررسی شد. سه روش رنگ-آمیزی BCL۲ و (Galectin-۳(C و (Galectin-۳(N برای تشخیص، وارد مدل شدند. بهترین متغیر پیش گویی کننده برای ساخت درخت، شناسایی و با مدل پژوهشگر-ساخته دیگری بر مبنای مقادیر بحرانی حاصل از ROC Curve Analysis و نتایج پاتولوژی مقایسه شد. نتایج: در مدل ترکیبی حاصل، میزان حساسیت و ویژگی تشخیص برای BCC به ترتیب ۱/۸۲ و ۱۰۰ درصد، برای SCC به ترتیب ۱۰۰ و ۸/۸۲ درصد، دقت کلی مدل ۳۸/۹۰ درصد، ارزش اخباری مثبت (PPV)برای تشخیص SCC و BCC به ترتیب ۱/۸۲ و ۱۰۰ درصد و نسبت درست نمایی مثبت (PLR) برای BCC و SCC به ترتیب ۸/۵ و ۵/۵ به دست آمد. نتیجه گیری: مدل درخت تصمیم گیری بر اساس دو روش رنگ آمیزی ایمونوهیستوشیمی در سرطان پوست، می تواند در تشخیص این دو بیماری بدخیم کمک کند و زمینه تحقیقات بیشتر را فراهم آورد.

Keywords:

Data mining , Decision tree , Immunohistochemistry , BCL۲ , Galectin-۳ , Skin cancer , داده کاوی , درخت تصمیم گیری , ایمونوهیستوشیمی , BCL-۲ , Galectin-۳ , سرطان پوست