تشخیص خطر ابتلا به سرطان معده با استفاده از مدل های یادگیری ماشین

بیان مساله: سرطان معده یکی از شایع‌ترین انواع سرطان در ایران است که در صورت تشخیص نادرست و یا تشخیص دیرهنگام، آسیب‌های جبران ناپذیری به دنبال خواهد داشت. همچنین از نظر میزان مرگ و میر سومین سرطان پیشرو در جهان می‌باشد. هدف: سرطان معده در مقایسه با سایر انواع سرطان عمدتاً توسط عوامل جمعیت شناختی و رژیم غذایی ایجاد می‌شود. هدف از این مطالعه تشخیص زودهنگام سطح خطر ابتلا به سرطان معده با پیش‌بینی عوامل اولیه و مهم ازطریق تکنیک‌های داده‌کاوی و یادگیری ماشین است. روش: این مطالعه بر روی مجموعه داده به‌دست آمده از 618 بیمار مبتلا به بیماری‌های معده در دو گروه بیماران کم خطر و پرخطر سرطان معده، که شامل پرسشنامه، معاینات سرولوژیکی و آندوسکوپی به همراه پاتولوژی بیوپسی است، انجام گرفت. در این مطالعه جهت مقایسه 32 ویژگی و عوامل خطر از پنج روش یادگیری ماشین، شامل ماشین بردار پشتیبان، درخت کامل شبکه‌های بیزی ساده، درخت تصمیم، پرسپترون چندلایه و رگرسیون لجستیک برای طبقه بندی بیماران استفاده شد. نتایج: با بررسی معیارهای ارزیابی که شامل ماتریس درهم‌ریختگی، صحت و ناحیه زیر منحنی بودند، یافته‌ها نشان دادند که مدل داده‌کاوی پرسپترون چندلایه نسبت به سایر مدل‌های پیش‌بینی‌کننده بهینه‌تر عمل نمود، که در نتیجه 15 عامل از مهمترین عوامل تاثیرگذار برای خطر سرطان معده اولیه مشخص شدند.