بهبود الگوریتم زنبور عسل ژنتیکی برای انتخاب ویژگیهای موثر در پیشبینی سرطان پستان از بین عادات غذایی، عوامل فرهنگی، علایم بالینی و نتایج آزمایشگاهی

کشف ویژگی های موثر در بروز سرطان پستان دارای اهمیت است. وجود علایم مختلف این بیماری، تشخیص را برای پزشکان دشوار میکند. پیشگیری از ابتلا به سرطان پستان با آگاهی از عوامل تاثیرگذار در بروز بیماری، میسر میگردد. هدف این مقاله، انتخاب ویژگیهای موثر در پیشبینی سرطان پستان از بین عادات غذایی، عوامل فرهنگی و نتایج آزمایشگاهی است. برای این کار یک مدل بهینه مبتنی الگوریتم زنبور عسل ژنتیکی برای افزایش دقت یادگیری ماشین معرفی میشود.روش بررسی: در این مطالعه، اطلاعات بیماران از پایگاه داده بیمارستان فوق تخصصی مرتاض یزد جمع آوری شده است. پرونده پزشکی 711 بیمار مبتلا به سرطان پستان با تعداد 63 ویژگی مورد بررسی قرار گرفته است. هر یک از بیماران حداقل به مدت دو سال تحت پیگیری بوده اند. ویژگی های تاثیرگذار در ابتلا و تشخیص سرطان پستان از بین عادات غذایی، عوامل فرهنگی، علایم بالینی و نتایج آزمایشگاهی، با استفاده از الگوریتم GBC و ماشین بردار پشتیبان انتخاب شد.یافته ها: ویژگی های استعمال سیگار و قلیان، عدم فعالیت ورزشی، اشتغال در شیف شب و تجرد از بین عادات غذایی و عوامل فرهنگی در ارتباط با تشخیص سرطان پستان انتخاب شدند. همچنین مدل پیشنهادی ویژگی هایی مانند: مقایسه نتیجه ماموگرافی قبلی و فعلی، مدت مصرف قرص ضدبارداری، هیستروکتومی، جایگزینی هورمون، میزان تو رفتگی نوک پستان، میزان درد، نوع ترشح و توده موجود در تصاویر ماموگرافی را موثر در تشخیص این بیماری دانست. هیچ ارتباط معناداری بین سرطان پستان و ویژگیهایی مانند استفاده از ماکروفر در آشپزخانه، نوع برنج و روغن مصرفی یافت نشد.نتیجه گیری: با استفاده از عادات غذایی و عوامل فرهنگی در پیشبینی سرطان پستان، مدل پیشنهادی نسبت به سایر مدلهای مورد مقایسه مانند فازی و شبکه عصبی، دارای حداقل میزان خطا و بیشترین دقت و صحت است.

کلیدواژه ها:

الگوریتم زنبور عسل ژنتیکی ، انتخاب ویژگی ، سرطان پستان ، عادات غذایی ، عوامل فرهنگی ، نتایج آزمایشگاهی