ارائه مدلی برای پیش بینی بقای بیماران مبتلا به ملانوم بر اساس الگوریتم های داده کاوی

مقدمه: ملانوم جزء شایعترین سرطان تشخیصی و دومین علت مرگ ناشی از سرطان در میان افراد است. تعداد مبتلایان به آن در حال افزایش است.ملانوم، نادرترین و بدخیم ترین نوع سرطان پوست است.در شرایط پیشرفته توانایی انتشار به ارگانهای داخلی را دارد و میتواند منجر به مرگ شود.طبق برآوردهای انجمن سرطان آمریکا برای ملانوم در ایالاتمتحده برای سال 2022 عبارتاند از: حدود 99،780 ز افراد مبتلابه ملانوم تشخیص داده شدند و حدود 7،650 نفر در اثر ملانوم جان خود را از دست میدهند. لذا هدف از این مطالعه، طراحی بهبود دقت الگوریتم برای پیش بینی بقای این بیماران است. روش پژوهش: روش حاضر کاربردی، توصیفی- تحلیلی و گذشتهنگر است. جامعه پژوهش را بیماران مبتلابه سرطان ملانوم پایگاه داده مرکز تحقیقات کشوری سرطان دانشگاه شهید بهشتی (1387 تا 1391) که تا 5 سال مورد پیگیری قرارگرفته بودند، تشکیل داده است. مدل پیشبینی بقای ملانوم بر اساس شاخص های ارزیابی الگوریتم های داده کاوی انتخاب شد.یافته ها: الگوریتم های شبکه عصبی، بیز ساده، شبکه بیزی، ترکیب درخت تصمیم گیری با بیز ساده، رگرسیون لجستیک، j48 ، id3 بهعنوان مدل های استفاده شده ی پایگاه داده کشور انتخاب شدند . عملکرد شبکه عصبی در همه شاخصهای ارزیابی ازلحاظ آماری نسبت به سایر الگوریتم های منتخب بالاتر بود. نتیجه گیری: نتایج مطالعه حاضر نشان داد که شبکه عصبی با مقدار 97 / 0 ازلحاظ دقت پیش بینی عملکرد بهینه دارد. بنابراین مدل پیش بینی کننده بقای ملانوم، هم ازلحاظ قدرت تمایز و هم ازلحاظ پایایی، عملکرد بهتری از خود نشان داد؛ بنابراین، این الگوریتم به عنوان مدل پیش بینی بقای ملانوم پیشنهاد شد

design and implementation of a survival model for patients with melanoma based on data mining algorithms

background/purpose: among the most commonly diagnosed cancers, melanoma is the second leading cause of cancer-related death. a growing number of people are becoming victims of melanoma. melanoma is also the most malignant and rare form of skin cancer. advanced cases of the disease may cause death due to the spread of the disease to internal organs. the national cancer institute reported that approximately 99,780 people were diagnosed with melanoma in 2022, and approximately 7,650 died. therefore, this study aims to develop an optimization algorithm for predicting melanoma patients' survival.methodology: this applied research was a descriptive-analytical and retrospective study. the study population included patients with melanoma cancer identified from the national cancer research center at shahid beheshti university between 2008 and 2013, with a follow-up period of five years. an optimization model was selected for melanoma survival prognosis based on the evaluation metrics of data mining algorithms.findings: a neural network algorithm, a naïve bayes network, a bayesian network, a combination of decision tree and naïve bayes network, logistic regression, j48, and id3 were selected as the models used in the national database. statistically, the studied neural network outperformed other selected algorithms in all evaluation metrics.conclusion: the results of the present study showed that the neural network with a value of 0.97 has optimal performance in terms of reliability. therefore, the predictive model of melanoma survival showed a better performance both in terms of discrimination power and reliability. therefore, this algorithm was proposed as a melanoma survival prediction model.