پیشبینی عود مجدد سرطان پستان با استفاده از تکنیک های یادگیری ماشین

امروزه، سرطان از عوامل اصلی مرگ ومیر جهانی به شمار می رود و سرطان پستان رایجترین و کشندهترین سرطان شناخته شده در میان زنان محسوب میشود. روزبه روز به تعداد بیمارانی که به بیمارستان ها به منظور درمانهای مختلف مراجعه میکنند، اضافه میشود و بهتبع آن تعداد پرونده های بیماران در هر بخش از بیمارستان ها در حال افزایش است. از این رو همواره حجم زیادی از اطلاعات بیماران در پایگاه داده های پزشکی جمع آوری میشوند، اما با عدم استفاده از این منابع مواجه هستیم. در همین راستا دادهکاوی و رویکردهای یادگیری ماشین میتوانند به پزشکان در زمینه پیش بینی و تشخیص بیماری ها نقش موثری ایفا نمایند در این پژوهش که از یک پایگاه داده واقعی ایرانی استفاده شده است هدف اصلی یافتن مناسب ترین الگوریتم جهت دسترسی به بالاترین صحت جهت پیش بینی عود مجدد سرطان پستان است. برای این منظور سه روش شناخته شده داده کاوی به نامه ای : -k نزدیک ترین همسایه، جنگل تصادفی، درخت تصمیم C4.5، انتخاب و موردبررسی قرار گرفته اند. نتایج آزمایشها با استفاده از روش ارزیابی 5-fold cross validation نشان می دهد که جنگل تصادفی با صحت %95.17، حساسیت %90.1 و ویژگی %96.78 نسبت به دیگر روشها بالاترین صحت را به خود اختصاص داده و عملکرد بهتری داشته است.

Keywords:

پیشبینی عود مجدد , سرطان پستان , داده کاوی , جنگل تصادفی