مقایسه عملکرد دو مدل‏ پیش‏بینی متاستاز براساس تکنیک‏های داده‏کاوی 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 پیش‏بینی متاستاز سرطان پستان با استفاده از ابزارهای داده‏کاوی است. داده‏کاوی ابزار کشف دانش از میان انبوهی از داده است که امروزه در زمینه‏های مختلفی کاربرد پیدا کرده است. تشخیص بیماری‏ در علم پزشکی یکی از زمینه‏های رو به رشد و پرکاربرد داده‏کاوی است.مواد و روش‌ها: در این پژوهش پس از آماده‏سازی داده‏ها، 2025 رکورد قابل استفاده مورد تجزیه و تحلیل قرار گرفت. سپس با استفاده از الگوریتم‏های شبکه عصبی و chaid به کشف الگوهایی که به پیش‏بینی متغیرهای تاثیرگذار بر متاستاز در بیمار کمک می‏کند، پرداخته‏ایم.نتایج: دو الگوریتم فوق‎الذکر پیاد‌ه‌سازی گردید و از نظر درجه اطمینان مقایسه شدند، درجه اطمینان برای الگوریتم شبکه عصبی 94.14 و برای chaid 92.24 به‌دست آمد. براساس نتایج متغیرهای سطح بیماری (stage)، نوع عمل جراحی، نوع سرطان براساس پاتولوژی و her2 مهمترین متغیرهای پیش‏بینی‌کننده متاستاز هستند.نتیجه‌گیری: مقایسه عملکرد مدل‏ها در این پژوهش نشان می‏دهد که الگوریتم‏های chaid و شبکه عصبی در پایگاه داده مورد استفاده، با درجه اطمینان بسیار بالا و تقریباً برابر، روش‏های مناسبی برای پیش‏بینی متاستاز در بیماران سرطان پستان می‏باشد.