مهدی نوشیار - دکتری تخصصی مهندسی برق، دانشیار، گروه کامپیوتر، دانشکده مهندسی کامپیوتر، دانشگاه محقق اردبیلی، اردبیل، ایران
محمد مومنی - دانشجوی دکتری مهندسی کامپیوتر، گروه کامپیوتر، دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد، ایران
ثریا غراوی - کارشناسی ارشد مهندسی کامپیوتر نرم افزار ، مربی، دانشکده مهندسی کامپیوتر و برق، گروه کامپیوتر، مجتمع آموزش عالی اسفراین، خراسان شمالی، اسفراین، ایران
فاطمه حورعلی - Ph.D., in Electrical Engineering, Associate Professor, Computer Dept., School of Electrical and Computer Engineering, University of Mohaghegh Ardabili, Ardabil, Iran

مقدمه: آگاهی از ابتلا به سرطان، احتمال بروز اختلالات عصبی و استرس در بیمار را افزایش می دهد. همچنین استرس خطر بروز آنفارکتوس قلبی را بیشتر می کند. مطالعه حاضر بر پایه الگوریتم GBC، به بررسی احتمال بروز سکته قلبی در بیماران سرطانی پرداخت. روش: اطلاعات بیماران از پایگاه داده بیمارستان فوق تخصصی شهید صدوقی یزد جمع آوری شد. پرونده پزشکی ۱۶۷۹ بیمار مبتلا به آنفارکتوس قلبی مورد بررسی قرار گرفت که از این تعداد، ۸۱ بیمار مبتلا به سرطان بودند. در فرآیند انتخاب ویژگی توسط مدل پیشنهادی، اگر ابتلا به سرطان به عنوان ویژگی تاثیرگذار شناسایی شود، آنگاه ارتباط بین سرطان و آنفارکتوس قلبی معنادار خواهد بود. نتایج: با استفاده از مدل پیشنهادی، ویژگی ابتلا به سرطان برای پیش بینی امکان وجود احتمال بروز سکته قلبی انتخاب شد که نشان دهنده وجود رابطه معنادار بین این دو ویژگی در بیماران مستعد عارضه قلبی می باشد. نتایج نشان داد با انتخاب ویژگی ابتلا به سرطان، دقت پیش­بینی مدل پیشنهادی برابر با ۰/۹۱ بود. نتیجه­ گیری: با استفاده از انتخاب ویژگی ابتلا به سرطان، مدل پیشنهادی نسبت به سایر مدل های مورد مقایسه دارای حداقل میزان خطا و بیش ترین دقت و صحت در پیش بینی آنفارکتوس قلبی است. روش نایو بیز، حداکثر میزان خطا و کم ترین دقت را دارا است. نتایج شبیه سازی حاکی از احتمال بروز سکته قلبی، در بیماران مستعد عارضه قلبی، پس از خبردار شدن از بیماری سرطان طی ماه های اولیه خود است.

Cancer, Heart attack, GBC algorithm, Support Vector Machine, Increase precision of prediction, سرطان, آنفارکتوس قلبی, GBC, ماشین بردار پشتیبان, افزایش دقت پیش بینی