مقایسه ی عملکرد الگوریتم های نزدیکترین همسایه و ماشین بردار پشتیبان برای پیش بینی سرطان سینه در زنان فعال

مقاله پژوهشی مقدمه: سرطان سینه، جزء سرطان های شایع زنان است که تشخیص بموقع آن در ادامه حیات و درمان نقش مهمی دارد. یادگیری ماشینی پتانسیل پیش بینی سرطان سینه را بر اساس ویژگی های پنهان در داده ها دارد. هدف اصلی این مطالعه، پیش بینی سرطان سینه با استفاده از الگوریتم های نزدیک ترین همسایه و ماشین بردار پشتیبان در زنان فعال بود. روش ها: در این مطالعه ی توسعه ای- کاربردی جمع آوری داده ها مربوط به تعداد ۶۴۱ پرونده متعلق به بیماران مبتلا به سرطان سینه از بیمارستان های امام خمینی و پژوهشکده سرطان معتمد، طی سال های ۱۴۰۳-۱۳۹۳ در محدوده ی سنی ۲۵ تا ۷۵ سال بود، پس از پیش پردازش اولیه در مجموعه داده ها، الگوریتم های نزدیک ترین همسایه و ماشین بردار پشتیبان به کار گرفته شدند. یافته ها: نتایج نشان داد که الگوریتم ماشین بردار پشتیبان با دقت ۸۷/۲ درصد و صحت ۸۶/۳۵، حساسیت ۸۶/۸۸ درصد، تشخیص پذیری ۸۵/۶۸، عملکرد بهتری نسبت به الگوریتم نزدیک ترین همسایه برای پیش بینی سرطان سینه در زنان فعال داشت. نتیجه گیری: با استفاده از الگوریتم های داده کاوی می توان سیستم های نوینی برای کمک به پزشکان طراحی نمود که موجب تسهیل در فرایندهای تشخیصی و درمانی شود. ترکیب عوامل خطر متعدد در مدل سازی برای پیش بینی سرطان سینه می تواند به تشخیص زودهنگام بیماری کمک کند.

کلیدواژه ها:

سرطان سینه ، نزدیک ترین همسایه ، ماشین بردار پشتیبان ، زنان ، پیش بینی