مقایسه عملکرد دو مدل پیش بینی متاستاز براساس تکنیک های داده کاوی در بیماران سرطان پستان

مقدمه: با شناسایی فرآیند متاستاز و عوامل موثر بر آن به بهبود و بقای طولانی مدت بیماران کمک شایانی خواهد شد. هدف از مطالعه حاضر بررسی و شناسایی عوامل تاثیرگذار در پیش بینی متاستاز سرطان پستان با استفاده از ابزارهای داده کاوی است. داده کاوی ابزار کشف دانش از میان انبوهی از داده است که امروزه در زمینه های مختلفی کاربرد پیدا کرده است. تشخیص بیماری در علم پزشکی یکی از زمینه های رو به رشد و پرکاربرد داده کاوی است. مواد و روش ها: در این پژوهش پس از آماده سازی داده ها، 2025 رکورد قابل استفاده مورد تجزیه و تحلیل قرار گرفت. سپس با استفاده از الگوریتم های شبکه عصبی و CHAID به کشف الگوهایی که به پیش بینی متغیرهای تاثیرگذار بر متاستاز در بیمار کمک میکند، پرداخته ایم. نتایج: دو الگوریتم فوق الذکر پیادهسازی گردید و از نظر درجه اطمینان مقایسه شدند، درجه اطمینان برای الگوریتم شبکه عصبی 14/94 و برای92/24 CHAID به دست آمد. براساس نتایج متغیرهای سطح بیماری Stage ، نوع عمل جراحی، نوع سرطان براساس پاتولوژی و Her2 مهمترین متغیرهای پیش بینی کننده متاستاز هستند.نتیجه گیری: مقایسه عملکرد مدل ها در این پژوهش نشان میدهد که الگوریتم های CHAID و شبکه عصبی در پایگاه داده مورد استفاده، با درجه اطمینان بسیار بالا و تقریبا برابر، روش های مناسبی برای پیش بینی متاستاز در بیماران سرطان پستان میباشد.

Keywords:

داده کاوی , سرطان پستان , متاستاز , پیشبینی