تحلیل آماری دقیق و تشخیص سرطان پستان با استفاده از آزمونهای ناپارامتری و رگرسیون لجستیک تنک (Lasso)

در عصر نوین انفورماتیک پزشکی تشخیص زودهنگام و دقیق سرطان پستان به عنوان یکی از شایعترین سرطانها در میان زنان چالشی حیاتی است. روشهای استاندارد نمونه برداری مانند آسپیراسیون با سوزن ظریف (FNA) داده های مورفولوژیکی ارزشمندی را فراهم می کنند اما تحلیل این داده های چند بعدی نیازمند رویکردهای آماری و محاسباتی پیشرفته است. بسیاری از مطالعات پیشین بدون بررسی دقیق پیش فرض های آماری از روش های پارامتری استفاده کرده اند که می تواند منجر به نتایج گمراه کننده شود. هدف این پژوهش ارائه یک چارچوب آماری دقیق برای تحلیل ویژگی های سیتومورفولوژیکی هسته سلول و شناسایی موثرترین شاخص های تفکیک کننده تومورهای خوش خیم و بدخیم است. در این مطالعه از مجموعه داده استاندارد WDBC شامل ۵۶۹ نمونه و ۳۰ ویژگی استفاده شد. برخلاف رویکردهای سنتی ابتدا نرمال بودن داده ها با آزمون شاپیرو ویلک رد شد. سپس از آزمون ناپارامتری Mann-Whitney U با تصحیح بونفرونی برای مقایسه گروه ها استفاده گردید. در نهایت برای غلبه بر مشکل هم خطی چندگانه شدید میان ویژگی ها مدل رگرسیون لجستیک با منظم سازی Lasso پیاده سازی شد. نتایج نشان داد که تمامی ۳۰ ویژگی دارای تفاوت معنی دار آماری هستند اما ویژگی های مربوط به بدترین وضعیت (Worst) نظیر محیط، شعاع و مساحت، بیشترین قدرت تفکیک را دارند. مدل پیشنهادی با حذف ویژگی های زائد مجموعه ای بهینه از بیومارکرها را شناسایی کرد که پتانسیل بالایی برای استفاده در سیستم های پشتیبان تصمیم گیری بالینی دارند.

کلیدواژه ها:

سرطان پستان ، تحلیل آماری زیستی ، آزمون Mann-Whitney U ، رگرسیون لجستیک ، L۱ ، هم خطی چندگانه ، مجموعه داده WDBC