سرطان خون یکی از بیماریهای مزمن و پیچیده است که تشخیص زودهنگام آن می تواند به بهبود روند درمان و کیفیت زندگی بیماران کمک کند. این مقاله به بررسی کاربرد سیستم های فازی برای پیش بینی احتمال ابتلا به
سرطان خون با استفاده از داده های زیستی و بالینی می پردازد. در این مطالعه، مدل فازی بر اساس مجموعه های از قوانین 'اگر-آنگاه' طراحی شده است که
شاخص های خونی مانند (WBC، RBC، Hb، Platelets، سابقه خانوادگی و فعالیت بدنی) را به طور همزمان تحلیل می کند. در مدل پیشنهادی، قوانین فازی به گونه ای طراحی شده اند که ترکیب شاخص های مختلف می تواند احتمال ابتلا به
سرطان خون را پیش بینی کند. به عنوان مثال، اگر تعداد گلبول های سفید (WBC) زیاد باشد و هموگلوبین (Hb) کم باشد، احتمال
سرطان خون افزایش می یابد. داده های دو بیمار (یک مرد و یک زن) در پنج مرحله زندگی (کودکی، نوجوانی، جوانی، میانسالی و پیری) تحلیل شدند. نتایج نشان داد که در بیمار مرد، در میانسالی و پیری، افزایش گلبول های سفید (WBC) و کاهش پالکت ها (Platelets) همراه با فعالیت بدنی کم احتمال سرطان را به ۹۵% رسانده است. در بیمار زن، سابقه خانوادگی مثبت و کاهش شدید هموگلوبین (Hb) و پالکت ها (Platelets) احتمال ابتلا به سرطان را به ۹۹% افزایش داده است. این مدل فازی نه تنها در تحلیل دقیق داده ها موثر است، بلکه می تواند به عنوان ابزاری برای غربالگری جمعیت های بزرگ مورد استفاده قرار گیرد. نتایج مقاله نشان می دهد که استفاده از مدل های فازی می تواند در تشخیص زودهنگام و کاهش هزینه های درمانی
سرطان خون نقش مهمی ایفا کند. تمام عملیات مربوط به طراحی
سیستم فازی در محیط نرم افزار متلب ۲۹۲۲ انجام شده است.