ارائه یک الگوریتم برای پیش بینی عود بیماران مبتلا به سرطان پستان با استفاده از الگوریتم ژنتیک و الگوریتم نزدیک ترین همسایگی

مقدمه: بیماری سرطان پستان یکی از شایع‌ترین انواع سرطان و شایع‌ترین نوع بدخیمی در زنان است که در سال‌های اخیر روند رو به رشدی داشته است. در مبتلایان به این بیماری همواره احتمال عود مجدد وجود دارد. عوامل زیادی میزان این احتمال را کاهش یا افزایش می‌دهند. داده‌کاوی از روش‌هایی است که در تشخیص یا پیش‌بینی سرطان‌ها به کار می‌رود و یکی از بیشترین کاربردهای آن، پیش‌بینی عود مجدد سرطان پستان است.روش: در این مطالعه گذشته نگر از داده های 699 بیمار مبتلا به سرطان پستان با 14 ویژگی استفاده شد که از این تعداد 458 نفر (66 درصد) سرطان آن‌ها عود نکرد و 241 نفر (34 درصد) سرطان آن ها عود کرده است. این اطلاعات از سال 1391 تا 1394 از پرونده بیماران سرطان پستان جهاد دانشگاهی جمع آوری شد. در این پژوهش از ترکیب دو الگوریتم نزدیک ترین همسایگی و الگوریتم ژنتیک برای پیش بینی عود بیماران مبتلا به سرطان پستان استفاده گردید. ابتدا الگوریتم نزدیک‌ترین همسایگی برای پیش بینی عود سرطان پستان ارائه شد سپس به کمک الگوریتم ژنتیک متغیرهای وابسته کاهش یافت تا مدل صحت مناسب تری داشته باشد.نتایج: تعداد متغیرهای وابسته 14 متغیر بود که به کمک الگوریتم ژنتیک به 6 متغیر کاهش پیدا نمود تا مدل پیش‌بینی کارایی بهتری داشته باشد. جهت ارزیابی مدل از پارامتر صحت استفاده شد که مقدار آن برای مدل پیشنهادی 14/77 درصد است که نسبت به روش‌های دیگر خروجی مناسب‌تری دارد.نتیجه گیری: در این مطالعه الگوریتم پیشنهادی با روش‌های دیگر پیش‌بینی مورد بررسی قرار گرفت و مشخص گردید الگوریتم پیشنهادی دارای صحت بهتر است.

An Algorithm for Predicting Recurrence of Breast Cancer Using Genetic Algorithm and Nearest Neighbor Algorithm

Introduction: Breast cancer is one of the most common types of cancer and the most common type of malignancy in women, which has been growing in recent years. Patients with this disease have a chance of recurrence. Many factors reduce or increase this probability. Data mining is one of the methods used to detect or anticipate cancers, and one of its most common uses is to predict the recurrence of breast cancer.Cases and Methods: Out of 699 patients with breast cancer, 458 (66%) of them did not relapse and 241 (34%) of their cancer recurred. This information was collected from 91 to 94 years of history of patients with breast cancer in the academic Jihad. In this study, the combination of two nearest neighboring algorithms and a genetic algorithm are proposed to predict the relapse of patients with breast cancer. First, the nearest neighboring algorithm is presented to predict the recurrence of breast cancer. Then, using the genetic algorithm, the dependent variables are reduced to make the model more appropriate.Results: The number of dependent variables is 14 variables, which is reduced by 6 genetic algorithms to better predict the model. To evaluate the model, the health parameter is used, which is 77.14% for the proposed model, which could not be more suitable for other methods.Conclusion: In this study, the proposed algorithm was examined with other predictive methods and it was determined that the proposed algorithm is better.