استفاده از داده کاوی برای کشف الگوهای پنهان در داده های سرطان سینه (بیمارستان شهید رجایی آران و بیدگل)

سرطان، یکی از دلایل اصلی مرگ در سراسر جهان است. در این بیماری، سلول های بدن به صورت غیر قابل کنترل رشد می کنند. گروهی از سلول هایی که به سرعت تکثیر شده اند، ممکن است یک توده، جرم یا بافت اضافی ایجاد کنند. این توده ها، تومور نامیده می شوند. توده ها می توانند سرطانی یا غیرسرطانی باشند. سرطان سینه، دومین عامل مرگ زنان است. این بیماری در میان مردان و زنان دیده شده، گرچه موارد ابتلا در میان مردان نادر است. در ایران نیز سرطان سینه، شایع ترین سرطان در میان زنان است. البته میزان ابتلا به این بیماری در ایران، بسیار کمتر از آمریکا و سایر کشورهای اروپایی است. همچنین سن ابتلا به این بیماری در ایران، نسبت به کشورهای توسعه یافته، یک دهه پائین تر است. فاکتور اصلی در کاهش مرگ و میر ناشی از این بیماری، تشخیص سریع و صحیح است. در این تحقیق، یک سیستم رده بندی ارائه شده که می تواند در تشخیص تومور به پزشکان کمک کند. به علت چند رده ای و نامتوازن بودن داده های مورد استفاده در این تحقیق، رهیافت جدیدی برای یادگیری در داده های چند رده ای و نامتوازن ارائه شده است. حساسیت سیستم رده بندی ارائه شده، 86.53 درصد و دقت آن، 89.25 درصد می باشد. همچنین در این تحقیق با استفاده از الگوریتم apriori، به شناسایی عوامل موثر در بروز توده های خوش خیم و بدخیم پرداخته شده و عوامل افزایش سن، منارک زودرس، یائسگی دیررس، داشتن سن بالا هنگام اولین بارداری، سابقه ی طولانی مدت مصرف قرص های ضدبارداری، چاقی، نداشتن سابقه ی بارداری، زایمان و شیردهی و تعداد دفعات شیردهی بالا، به عنوان عوامل موثر در بروز توده، شناخته شده اند. اگر چه بیشتر این عوامل قبلا به عنوان فاکتورهای خطرزا در بروز سرطان سینه معرفی شده بودند، فاکتور تعداد دفعات شیردهی بالا، در این مطالعه به عنوان یک فاکتور خطرزا تعیین گردیده که با یافته های محققان قبلی در تعارض می باشد. این مسئله می تواند به دلیل تعداد بسیار اندک نمونه های مبتلا به تومور بدخیم باشد.