مقایسه مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان پستان

مقدمه: امروزه انواع سرطان یکی از مهم ترین عوامل مرگ و میر در دنیا و سرطان پستان از شایع ترین آن ها در زنان میان سال می باشد. میزان بقای پس از تشخیص و درمان در این بیماران یکی از شاخص های مهم در کنترل بیماری است. در این مطالعه دو مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش بینی بقای بیماران سرطان پستان با یکدیگر مقایسه شده اند. مواد و روش ها: داده های این پژوهش که از نوع مطالعات بقا است، از پرونده تمامی ۳۴۴ زن مبتلا به سرطان پستان که در سال های ۱۳۸۴ تا ۱۳۹۱ برای درمان به بیمارستان شهید فیاض بخش تهران مراجعه کرده بودند استخراج شده است. وضعیت بقا به عنوان متغیر وابسته در نظر گرفته شد. مقایسه پیش بینی های دو مدل با استفاده از سطح زیر منحنی مشخصه عملکرد و صحت پیش بینی کل و به کمک نرم افزارهای R و Minitab انجام شد. یافته های پژوهش: میانگین ± انحراف معیار سن زمان تشخیص بیماران ۹۳/۱۰±۹/۴۹ سال و میانه بقا برابر با ۶/۴۴ ماه بود و تا پایان مطالعه واقعه مرگ برای تعداد ۴۵ نفر(۱/۱۳ درصد) از آن ها رخ داد. سطح زیر منحنی مشخصه عملکرد مدل کاکس و شبکه عصبی به ترتیب برابر ۶/۸۷ درصد و ۴/۷۵ درصد و هم چنین صحت پیش بینی کل برای مدل کاکس و شبکه عصبی به ترتیب برابر ۴۲/۸۹ و ۶۸/۷۷ محاسبه گردید. بحث و نتیجه گیری: صحت پیش بینی شبکه در تشخیص وضعیت بقای زنان مبتلا به سرطان پستان بالاتر بود و بنا بر این این مدل برای پیش بینی بقای بیماران سرطان پستان پیشنهاد می شود.

کلیدواژه ها:

breast cancer ، survival ، cox reg-ression ، artificial neural networks ، سرطان پستان ، بقا ، رگرسیون کاکس ، شبکه عصبی مصنوعی