فاطمه صف آرا - استادیار، عضو هیات علمی دانشگاه آزاد اسلامی، واحد اسلامشهر
حسن ح رحمانی - دانشجوی کارشناسی ارشد نرم افزار دانشگاه آزاد اسلامشهر
بهنام فرهادی - دانشجوی کارشناسی ارشد نرم افزار دانشگاه آزاد اسلامشهر

در عصر حاضر با جمع آوری داده های بسیار و پیاده سازی تکنیک های مختلف دادهکاوی بر روی آنها میتوان نقش مهمی را در دنیایپزشکی در جهت تشخیص و درمان بیماری های صعب العلاج ایفا کرد. نظر به رشد روزافزون ابتلا به بیماری سرطان، بالاخص سرطانریه که بهزعم محققان یکی از شایعترین نوع سرطان می باشد، پیشگیری از آن از اهمیت ویژه ای برخوردار است. بعد پاتولوژیکیسرطان ریه بر اساس گزارش توصیفی از اندازه سلول های سرطانی و همچنین میزان گسترش آن پایه ریزی شده است. آگاهی ازمرحله بندی پاتولوژیک سرطان ریه از جهت تخمین پیش آگاهی بیماری و ارائه راهکار به پزشکان در برنامه ریزی یک درمان مناسبو مؤثر بسیار حائز اهمیت می باشد. در فرآیند مرحله بندی پاتولوژیک به یک نمونه از بافت ریه سرطانی به منظور تکمیل گزارشآسیب شناسی نیاز است که در این راستا جراحی نمونه برداری انجام می پذیرد که متعاقب آن سلامتی بیمار را به مخاطره می اندازدبنابراین می توان حتی الامکان اطلاعات بالینی بیمار را جایگزین عمل جراحی و گزارش پاتولوژی کرد. در این مقاله سعی بر آن شدهاست تا با پیدا کردن یک ارتباط مناسب بین اطلاعات بالینی و گزارش پاتولوژی بیمار بر اساس الگوریتم Apriori به تشخیصمرحله بندی پاتولوژیک سرطان ریه بپردازد.

داده کاوی، Association mining, Pathologic, Metastasis, Biopsy ،, Apriori