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

Authors

  • آتشی, علیرضا گروه پژوهشی انفورماتیک سرطان، مرکز تحقیقات سرطان پستان جهاد دانشگاهی، ایران
  • کیانی, بهزاد دانشجوی دکتری تخصصی انفورماتیک پزشکی، کمیته تحقیقات دانشجویی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران
Abstract:

مقدمه: سرطان پستان یکی از شایع‌ترین انواع سرطان و شایع‌ترین 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 می‌دهند. داده‌کاوی از روش‌هایی است که در تشخیص یا پیش‌بینی سرطان‌ها به‌کار می‌رود و یکی از بیشترین کاربردهای آن، پیش‌بینی عود مجدد سرطان است. روش: در این مطالعه گذشته‌نگر، از داده‌های 809 بیمار مبتلا به سرطان پستان و دارای هیجده ویژگی برای هر بیمار، استفاده شده است. به‌دلیل گمشدگی نسبتاً زیاد داده‌های این مجموعه، تنها اطلاعات 665 بیمار قابل استفاده بودند. به‌دلیل وجود مقادیر تهی در رکوردهای باقیمانده، این مقادیر از طریق الگوریتم EM و با استفاده از نرم‌افزار SPSS.V20، به‌عنوان یکی از فازهای پیش‌پردازش و آماده-سازی داده‌ها، تخمین زده شده و در پایان، یک مدل پیش‌آگهی عود مجدد سرطان پستان در بین بیماران با به‌کارگیری درخت J48 بر روی داده‌ها ارائه شده‌است. نتایج: ویژگی و حساسیت مدل توسعه یافته به‌ترتیب 53 و 85 درصد بود. این مدل، تنها 14 درصد از بیماران دچار عود مجدد را به اشتباه، مستعد عود مجدد نمی‌داند. نتیجه‌گیری: ایجاد مدل پیش‌بینی با ویژگی و حساسیت مناسب می‌تواند 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 مدل‌های پیش‌بینی پزشکی بسیار اهمیت دارد، زیرا می‌تواند عواقب خطرناکی داشته باشد که در پژوهش حاضر این مقدار 14 درصد بوده که از لحاظ مدلینگ مقدار قابل قبولی به‌نظر می‌رسد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی عود مجدد سرطان پستان به کمک سه تکنیک داده کاوی

مقدمه: تعداد و اندازه پایگاه داده های پزشکی به سرعت در حال افزایش است و مدل های توسعه یافته تکنیک داده کاوی می توانند برای پزشکان جهت کمک در تصمیم گیری موثر و کاربردی باشند. هدف اصلی از این مقاله، گزارش یک پروژه تحقیقاتی به منظور مقایسه الگوریتم های مختلف داده کاوی از طریق مقایسه حساسیت، ویژگی و دقت بین آنها، جهت انتخاب دقیق ترین مدل برای پیش بینی عود مجدد سرطان پستان در زنان مبتلا بوده است. د...

full text

پیش بینی عود مجدد سرطان پستان به کمک سه تکنیک داده کاوی

مقدمه: تعداد و اندازه پایگاه داده های پزشکی به سرعت در حال افزایش است و مدل های توسعه یافته تکنیک داده کاوی می توانند برای پزشکان جهت کمک در تصمیم گیری موثر و کاربردی باشند. هدف اصلی از این مقاله، گزارش یک پروژه تحقیقاتی به منظور مقایسه الگوریتم های مختلف داده کاوی از طریق مقایسه حساسیت، ویژگی و دقت بین آنها، جهت انتخاب دقیق ترین مدل برای پیش بینی عود مجدد سرطان پستان در زنان مبتلا بوده است. در...

full text

مروری بر ۷ الگوریتم برتر داده کاوی در پیش بینی بقا، تشخیص و عود بیماران مبتلا به سرطان پستان

چکیده مقدمه: پیش بینی تشخیص، بقا و عود بیماران مبتلا به سرطان پستان، همواره از چالش های مهم برای محققین و پزشکان بوده است. امروزه به مدد علوم بیوانفورماتیک، امکان رفع این چالش ها با بهره گیری از اطلاعات قبلی ثبت شده از بیماران تا حدود زیادی محقق گردیده است. با تکنولوژی های کم هزینه سخت افزاری و نرم افزاری، داده ها با کیفیت بهتر و در حجم های بالاتر به صورت خودکار ذخیره می گردند و به کمک تجزیه و ...

full text

آینده پژوهی در سلامت: انتخاب بهترین مدل هوشمند مبتنی بر داده کاوی برای پیش بینی و تشخیص سرطان کبد در مراحل اولیه

مقدمه: سرطان اولیه کبد HCC)) پنجمین سرطان شایع در دنیا و سومین عامل مرگ و میر در جهان می­باشد. علائم سرطان کبد پس از بروز به سرعت پیشرفت کرده و در صورت عدم تشخیص به موقع متأسفانه بقای عمر بیمار بسیار کم می­ گردد. یکی از مشکلات اصلی پیش روی متخصصین گوارش، پیش بینی و تشخیص زود هنگام سرطان کبد است. داده کاوی از روش­هایی است که در این زمینه  مورد استفاده واقع می­ گردد. هدف از انجام این مطالعه معرفی...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 1  issue None

pages  26- 31

publication date 2014-12

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023