پیش‌بینی متاستاز سرطان پستان با استفاده از مدل‌های فازی و داده‌های بیماران ایرانی مبتلا به سرطان پستان

مقدمه: متاستاز سرطان پستان، گسترش سرطان پستان به سایر اندام‌های بدن، یکی از مهم‌ترین علل مرگ ناشی از سرطان پستان در زنان محسوب می‌شود. پیش‌بینی متاستاز در مراحل اولیه به انتخاب بهترین روش درمانی و بهبود کیفیت زندگی بیماران کمک می‌کند. روش: در این مطالعه بنیادی از مجموعه داده‌های موجود بیماران ایرانی از مرکز تحقیقات سرطان پستان پژوهشکده سرطان معتمد تهران، استفاده شد. مطالعه حاضر سیستم استنتاج فازی ممدانی، تاکاگی سوگنو و سیستم استنتاج تطبیقی عصبی فازی (انفیس) برای پیش‌بینی متاستاز سرطان پستان در مراحل اولیه را مورد استفاده قرار داد. نتایج: بهترین خطای پیش‌بینی با استفاده از سیستم استنتاج تطبیقی عصبی فازی (انفیس) مبتنی بر الگوریتم خوشه‌بندی میانگین مراکز فازی به دست آمد. نظرات متخصصان در مرکز تحقیقات سرطان پستان در پژوهشکده سرطان معتمد و خطای پیش‌بینی مدل ارزیابی شده نشان داد که این سیستم پیش‌بینی به خوبی شکل گرفته است.نتیجه گیری: بهترین سیستم پیش‌بینی پیشنهادی می‌تواند به عنوان یک سیستم تصمیم‌یار بالینی برای کمک به پزشکان در فرآیند درمان مورد استفاده قرار گیرد.

Prediction of Breast Cancer Metastasis Using Fuzzy Models based on Data from Iranian Breast Cancer Patients

Introduction: The metastasis of breast cancer, the spread of cancer to different body parts, is considered as one of the most important factors responsible for the majority of deaths caused by breast cancer in women. Diagnosing the breast cancer metastasis at the earliest stages helps to choose the best treatment and improve the quality of life for patients.Method: In the present fundamental research, the dataset of Iranian patients available at Breast Cancer Research Center of Motamed Cancer Institute in Tehran was utilized. This study used Mamdani fuzzy inference system, TakagiSugeno fuzzy inference system and adaptive neurofuzzy inference system (ANFIS) to predict breast cancer metastasis at early stages.Results: The best prediction error was obtained using adaptive neurofuzzy inference system based on fuzzy cmeans approach. The opinion of the experts at Breast Cancer Research Center of Motamed Cancer Institute and the prediction error of the assessed model indicated that this prediction system is wellformed.Conclusion: The optimal proposed prediction system can be used as a clinical decision support system to assist medical practitioners in the healthcare practice