پیش بینی عود مجدد سرطان پستان بااستفاده از تکنیک های یادگیری ماشین

امروزه، سرطان از عوامل اصلی مرگ ومیر جهانی به شمار می رود وسرطان پستان رایج ترین و کشنده ترین سرطان شناخته شده و در میان زنان محسوب می شود. روز به روز به تعداد بیمارانی که به بیمارستان ها به منظور درمان های مختلف مراجعه می کنند، اضافه می شود وبه تبع آن تعداد پرونده های بیماران در هر بخش از بیمارستان در حال افزایش است. از این رو همواره حجم زیادی از اطلاعات بیماران در پایگاه داده های پزشکی جمع آوری می شوند، اما با عدم استفاده از این منابع مواجه هستیم. در همین راستا داده کاوی ورویکردهای یادگیری ماشین می توانند به پزشکان در زمینه پیش بینی و تشخیص بیماری ها نقش موثری ایفا نمایند. در این پژوهش که از یک پایگاه داده واقعی ایرانی استفاده شده است هدف اصلی یافتن مناسب ترین الگوریتم جهت دسترسی به بالاترین صحت جهت پیش بینی عود مجدد سرطان پستان است.برای این منظور سه روش شناخته شده داده کاوی به نام های: K- نزدیک ترین همسایه، جنگل تصادفی ، درخت تصمیم C4.5 انتخاب و مورد بررسی قرار گرفتهاند. نتایج آزمایش ها با استفاده از روش ارزیابی 5-fold cross validation نشان می دهد که جنگل تصادفی با صحت 95.17 حساسیت 90.1% و ویژگی 96.78% نسبت به دیگر روش ها بالاترین صحت را به خود اختصاص داده و عملکرد بهتری داشته است.

کلیدواژه ها:

پیش بینی عود مجدد ، سرطان پستان ، داده کاوی ، جنگل تصادفی