مصطفی برومندزاده - گروه مهندسی کامپیوتر، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران
الهام پروین نیا - گروه مهندسی کامپیوتر، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

مقدمه: سرطان پستان از مهمترین عوامل مرگ و میر زنان است. بنابراین دقت و سرعت تشخیص بیماری در تعیین روال درمان، بسیار حیاتی است، در این راستا برای یکسان سازی گزارش های ماموگرافی از سیستم طبقه بندی BI-RADS استفاده شده است. با این وجود تفاوت نظر پزشکان در مورد مقادیر BI-RADS زیاد است. هدف این مقاله تشخیص BI-RADS با پردازش زبان طبیعی گزارش های ماموگرافی و ا طلاعات کلینیکی حاصل از سوابق پرونده الکترونیک بیمار و ترکیب آن ها برای تعیین زیرگروه های مولکولی و کمک به روند تشخیصی بیماری و پیگیری درمان می باشد. مواد و روش ها: در این مطالعه از ۱۲۰۰۰ گزارش ماموگرافی و اطلاعات سوابق پرونده الکترونیک مرکز آموزشی درمانی نمازی بین سال های ۱۳۹۶-۱۳۹۴ت استفاده شد. با پردازش گزارش ها، ۱۶۰ ویژگی متناسب با آنها ایجاد و با مراجعه به سوابق پرونده الکترونیک افراد، ۱۸ ویژگی استخراج شد. از مجموعه بردارها با ۱۷۸ ویژگی، مقادیر BI-RADS با استفاده از ماشین بردار پشتیبان (SVM) و زیرگروه هیا مولکولی توسط بیزین ساده پیش بینی گردید و مورد ارزیابی قرار گرفت. نتایج: برای ارزیابی نتایج، مقادیر دقت، ارزش اخباری مثبت، ارزش اخباری منفی، حساسیت و خاصیت، برای تشخیص BI-RADS و زیرگروه های مولکولی محاسبه شدند. میزان دقت برای تشخیص BI-RADS؛ ۸۵/۴۲% و برای تشخیص زیرگروه های مولکولی ۷۲/۳۱% به دست آمد. نتیجه گیری: سیستم تصمیم یار ارائه شده، مدلی مناسب برای کمک به پزشک جهت تشخیص سرطان پستان و دسته بندی بیماران بود. همچنین مشخص گردید که ترکیب اطلاعات، شامل سوابق پرونده الکترونیک بیماران و زیرگروه های مولکولی تعیین شده در کنار گزارش های ماموگرافی می تواند در تشخیص بیماری و تعیین بهینه روال درمان مفید باشد.

کمک تصمیم یار، زیرگروه های مولکولی، اطلاعات بالینی، سرطان پستان