مقایسه کارایی مدل‌های پیش‌بینی عود مجدد سرطان پستان مبتنی بر تکنیک‌های داده‌کاوی

مقدمه: پس از به کارگیری روش‌های درمان سرطان پستان، احتمال عود مجدد بیماری وجود دارد. هدف از انجام پژوهش حاضر، به کارگیری تکنیک‌های داده‌کاوی به منظور ارایه مدل‌های پیش‌بینی عود مجدد سرطان پستان بود.روش بررسی: در این مطالعه توصیفی، از 18 ویژگی مربوط به 809 بیمار مبتلا به سرطان پستان استفاده شد. برای ایجاد مدل پیش‌بینی عود مجدد سرطان پستان در مرحله پیش‌پردازش مجموعه داده، از الگوریتم‌های بیشینه‌سازی امید ریاضی em (expectation maximization) و درخت تصمیم دسته‌بندی و رگرسیون c and r (classification and regression) استفاده گردید. سپس در مرحله یادگیری مدل، پنج الگوریتم داده‌کاوی شامل شبکه‌های عصبی، درخت تصمیم c and r، درخت تصمیم 5c، شبکه bayes و ماشین بردار پشتیبان svm (support vector machine) به کار گرفته شد. در نهایت، جهت ارزیابی کارایی تکنیک‌های مورد استفاده، الگوریتم درخت تصمیم 48j با k-fold برابر 10 و روش‌های آنالیز داده‌ها مورد استفاده قرار گرفت.یافته‌ها: دقت الگوریتم‌های em و c and r در مرحله پیش‌پردازش داده‌ها به ترتیب 641/0 و 420/0 بود. دقت پنج الگوریتم به کار رفته در مرحله یادگیری مدل نیز به ترتیب 858/0، 865/0، 870/0، 883/0 و 998/0 به دست آمد.نتیجه‌گیری: مدلی که در مرحله پیش‌پردازش از الگوریتم em و در مرحله یادگیری از الگوریتم svm بهره می‌گیرد، کارایی بالاتری نسبت به سایر مدل‌های ایجاد شده دارد