ایجاد یک مدل پیش­ آگهی مبتنی بر داده­ کاوی برای پیش­ بینی عود مجدد سرطان پستان

مقدمه: سرطان پستان یکی از شایع ترین انواع سرطان و شایع ترین نوع بدخیمی در زنان ایرانی است که اخیرا روند رو به رشدی داشته است. در مبتلایان به این بیماری همواره احتمال عود مجدد وجود دارد. عوامل زیادی میزان این احتمال را افزایش یا کاهش می دهند. داده کاوی از روش هایی است که در تشخیص یا پیش بینی سرطان ها به کار می رود و یکی از بیشترین کاربردهای آن، پیش بینی عود مجدد سرطان است. روش: در این مطالعه گذشته نگر، از داده های 809 بیمار مبتلا به سرطان پستان و دارای هیجده ویژگی برای هر بیمار، استفاده شده است. به دلیل گمشدگی نسبتاً زیاد داده های این مجموعه، تنها اطلاعات 665 بیمار قابل استفاده بودند. به دلیل وجود مقادیر تهی در رکوردهای باقیمانده، این مقادیر از طریق الگوریتم em و با استفاده از نرم افزار spss.v20، به عنوان یکی از فازهای پیش پردازش و آماده-سازی داده ها، تخمین زده شده و در پایان، یک مدل پیش آگهی عود مجدد سرطان پستان در بین بیماران با به کارگیری درخت j48 بر روی داده ها ارائه شده است. نتایج: ویژگی و حساسیت مدل توسعه یافته به ترتیب 53 و 85 درصد بود. این مدل، تنها 14 درصد از بیماران دچار عود مجدد را به اشتباه، مستعد عود مجدد نمی داند. نتیجه گیری: ایجاد مدل پیش بینی با ویژگی و حساسیت مناسب می تواند در مورد عود بیماری و انجام به موقع اقدامات پیشگیرانه برای جلوگیری از پیشرفت سرطان، هشدار مناسب را به بیماران بدهد. درصد منفی کاذب نیز در مدل های پیش بینی پزشکی بسیار اهمیت دارد، زیرا می تواند عواقب خطرناکی داشته باشد که در پژوهش حاضر این مقدار 14 درصد بوده که از لحاظ مدلینگ مقدار قابل قبولی به نظر می رسد.