طراحی یک سیستم تصمیم‌گیری گروهی با ترکیب فازی روش‌های رگرسیون در پیش‌بینی خوش‌خیم یا بدخیم بودن تومورهای پستان

مقدمه: در تحقیقات سرطان، تشخیص زودهنگام سرطان پستان بر پیش آگهی و طول عمر بیمار تاثیرگذار است. روش های هوش مصنوعی و داده کاوی ازجمله روش های پیش بینی هستند که در این مورد می توانند کمک کننده باشد. هدف از این مقاله طراحی و ارزیابی یک سیستم جدید تشخیص خودکار کامپیوتری جهت پیش بینی نوع توده پستان با استفاده از ترکیب فازی روش های رگرسیون است.روش بررسی: در این مطالعه توصیفی تحلیلی یک سیستم تصمیم گیری گروهی با ترکیب روش های رگرسیون pca، rsm و svrfirefly به منظور پیش بینی نوع توده پستان اعم از تومور خوش خیم یا بدخیم طراحی شده است. به منظور ارزیابی سیستم طراحی شده از مجموعه داده مربوط به بیماران مبتلا به سرطان پستان بیمارستان ویسکانسین موجود در انبار داده یادگیری ماشین استفاده شده است. داده های ورودی پس از پیش پردازش به صورت تصادفی به دو دسته داده آموزش و آزمون تقسیم شد. سپس با هر یک از روش های رگرسیون ذکرشده مورد آموزش و آزمون قرار گرفت. درنهایت خروجی این روش ها با رویکردهای رای گیری فازی و میانگین گیری فازی ترکیب شد. سیستم تصمیم گیری گروهی پیشنهادی با نرم افزار matlab شبیه سازی شده است.یافته ها: این مطالعه بر 683 مورد زن مبتلا به سرطان پستان انجام شد که از این تعداد 444 نمونه دارای تومور خوش خیم و 239 نمونه دارای تومور بدخیم می باشد. برای هر مورد از 9 متغیر بالینی به عنوان ورودی استفاده شد. عملکرد سیستم تصمیم گیری گروهی طراحی شده بر اساس شاخص های صحت، دقت، حساسیت و اختصاصیت در مرحله آزمون در حالت متوسط با روش رای گیری فازی معادل اعداد 9832/0، 9588/0، 9900/0 و 9832/0 و در روش میانگین گیری فازی معادل اعداد 9820/0، 9524/0، 9929/0 و 9804/0 به دست آمد. درحالی که این شاخص ها در بهترین حالت با هر دو روش معادل عدد یک به دست آمد.نتیجه گیری: بالا بودن شاخص های عملکردی سیستم تصمیم گیری گروهی در این مقاله نشان داد که سیستم پیشنهادی عملکرد مناسبی در پیش بینی خوش خیم یا بدخیم بودن توده های پستان دارد. تعیین دقیق نوع توده می تواند در انتخاب روش درمانی مناسب به پزشک کمک کند و از پیشروی این سرطان جلوگیری کند. همچنین نرم افزار طراحی شده بر اساس شبیه سازی این مقاله می تواند در آموزش پزشکان به کار رود.