رضا فردوسی - استادیار، انفورماتیک پزشکی، گروه فناوری اطلاعات سلامت، دانشکده مدیریت و اطلاعرسانی پزشکی، دانشگاه علوم پزشکی تبریز، تبریز، ایران.
محمد دهقانی - دانشجوی دکتری مدیریت اطلاعات سلامت، انجمن فناوری اطلاعات و ارتقا سلامت، تهران، ایران.
روح اله خارا - دانشجوی دکتری مدیریت اطلاعات سلامت، انجمن فناوری اطلاعات و ارتقا سلامت، تهران، ایران.

مقدمه: سرطان سینه به عنوان شایع ترین سرطان، در بین زنان شناخته شده است و حجم زیادی از منابع سلامت در حوزه سرطان را به خود اختصاص می دهد. در این مطالعه الگوریتم های مختلف داده کاوی جهت پیش بینی میزان بقای بیماران مبتلابه سرطان سینه موردبررسی قرارگرفته اند.روش کار: این مطالعه بر روی 844 رکورد مربوط به بیماران سرطان سینه انجام شد. داده ها از سیستم اطلاعات بیمارستانی استخراج و پس از یکپارچه شدن با اطلاعات سیستم آزمایشگاهی بر اساس کدهای ICD10 مرتب سازی شد. پس از آماده سازی داده ها و feature selection فرضیه مطالعه با الگوریتم های درخت تصمیم گیری، بیزین و شبکه عصبی مصنوعی و LIBsvm با استفاده از نرم افزار وکا موردبررسی قرار گرفت. درنهایت نتایج مربوط به مدل در گروه آموزش و آزمایش موردبررسی قرار گرفت و صحت، دقت، حساسیت و ویژگی هرکدام از الگوریتم ها با یکدیگر مقایسه شد.یافته ها: میانگین امتیاز الگوریتم های داده کاوی جهت پیش بینی بقای بیماران دچار سرطان سینه بین 56 تا (71 الگوریتم بیزین 91/71 lib svm 60/68 شبکه عصبی مصنوعی 39/63 و درخت تصمیم گیری 38/56) بود. همچنین ویژگی های الگوریتم بیزین شامل صحت:90/70 دقت:37/87 حساسیت: 85/82 ویژگی:55/55 در حد خوبی بود. نتیجه گیری: شبکه بیزین با توجه به اینکه بر اساس قوانین احتمالات محاسبه های لازم را انجام می دهد ضمن قدرت بالا دارای سادگی هست ولی مزیت های دیگر سایر الگوریتم های داده کاوی مانند کمک به تصمیم گیری را ندارد و در صورت وجود متغیرهای مختلف وابسته دقت این الگوریتم کاهش می یابد.

سرطان سینه، شبکه عصبی، میزان بقا، داده کاوی، شبکه عصبی مصنوعی