استفاده از قوانین انجمنی جهت کشف عوامل خطر در بروز سرطان معده

مقدمه: سرطان معده دومین علت مرگ ناشی از سرطان بعد از سرطان ریه در جهان است. بروز آن در مناطق مختلف دنیا متفاوت است. با توجه به میزان شیوع این بیماری و میزان مرگ و میر بالای سرطان معده در کشور، لازم است علل و عوامل تاثیر گذار در بروز این بیماری با دقت بیشتر و روش های علمی تر، مورد بررسی قرار گیرد. هدف این مقاله، بررسی این عوامل با کمک تکنیک داده کاوی است. روش: داده های مورد نیاز برای این مطالعه، از بیماران مراجعه کننده به بیمارستان امام رضا(ع) شهر تبریز جمع آوری شده است و پس از اعمال پیش پردازش بر روی این داده ها، در نهایت 490 رکورد شامل 220 نمونه مبتلا به سرطان و 270 نمونه سالم در یک فایل excel جمع آوری شد. با استفاده از پیاده سازی الگوریتم aprioriدر نرم افزار matlab و مجموعه داده های نهایی، بهترین قوانین حاکم بر روی این مجموعه داده، استخراج شده است.نتایج: در این مطالعه برای نخستین بار از مجموعه داده های سرطان معده و ویژگی های تاثیرگذار در بروز این بیماری استفاده شده است. نتایج نشان داد، افراد مبتلا به بیماری قلبی عروقی، کمتر در معرض خطر ابتلا به سرطان معده هستند، در ضمن رفلاکس معده با مصرف نکردن نمک، مصرف زیاد نمک و مصرف نکردن شیر ارتباط دارد. همچنین رفلاکس معده بیشترین تاثیر را در ایجاد این بیماری دارد. با استفاده از الگوریتم apriori قوانینی به دست آمد که می تواند به عنوان الگویی برای پیش بینی وضعیت بیماران و احتمال بروز این بیماری، استفاده شود.نتیجه گیری: امروزه به دلیل وجود حجم انبوهی از داده های پزشکی، می توان با استفاده از رویکرد داده کاوی به استخراج دانش از مجموعه داده های پزشکی پرداخت. در این مطالعه با استفاده از الگوریتم apriori، قوانینی استخراج شده است که می تواند کمک فراوانی به پزشکان در بررسی عوامل ایجاد این بیماری بکند.

Using Association Rules for the Detection of Risk Factors in Gastric Cancer

Introduction: Gastric cancer is the second cause of death from cancer after lung cancer in the world It`s incidence is varied in different regions of the words. Due to the prevalence rate of the disease and high mortality rates for gastric cancer in the country, it is necessary to examine the influential factors in the incidence of this disease by more accurately and scientific methods. The purpose of this study is to examine this factor with data mining techniques.Method: The required data for this study was collected from patients referring to Imam Reza Hospital, Tabriz. After applying data preprocessing, totally 490 records were collected in an Excel file samples including 220 cancer cases and 270 normal specimens. The best rules based on the datasets were extracted by using Apriori algorithm implemented in MATLAB software and final data set.Results: In this study, gastric cancer datasets and features affecting the incidence of this disease have been used for the first time. The results showed that risk for gastric cancer in people with cardiovascular disease are less . In addition, gastric reflux is associated with not using salt and milk, and high salt intake. Gastric reflux has also the most influence on creating this disease. Some rules were obtained by using Apriori algorithm that can be used as a model to predict the status of patients and the incidence of this disease.Conclusion: Nowadays Due to massive amounts of medical data, knowledge can be extracted from datasets by using data mining approach. In this study, some rules were extracted by using Apriori algorithm that can provide physicians with great help to examine the causes of this disease.