روشی جدید برای تشخیص لوسمی میلوژنیک و لنفوسیتیک حاد با استفاده از داده‌های بیان ژن و روش‌های یادگیری ماشین

چکیده سابقه و هدف لوسمی از سرطان­های شایع در جهان است. یکی از مهم‌ترین روش­ها برای کشف و پیش­بینی لوسمی میلوژنیک و لنفوسیتیک حاد، استفاده از DNA افراد و اطلاعات ژنتیکی آن‌ها می‌باشد. تکنولوژی ریز آرایه، ابزاری برای بررسی بیان هزاران ژن در حداقل زمان است. تحلیل مجموعه داده‌های ریز آرایه بدون کمک آنالیز آماری و روش‌های یادگیری ماشین ممکن نیست. در این مطالعه با استفاده از مجموعه داده‌های ریز آرایه و روش‌های یادگیری ماشین به تشخیص انواع لوسمی پرداخته ‌شد. مواد و روش‌ها داده‌های مورد استفاده در این پژوهش توصیفی، بیان 7129 ژن مربوط به 72 بیمار مبتلا به لوسمی بود که با استفاده از فناوری ریز آرایه به دست آمد. سپس با استفاده از این داده‌ها، تشخیص لوسمی میلوژنیک حاد(AML) و لوسمی لنفوسیتیک حاد(ALL) با روش طبقه‌بندی ناپارامتری هسته، تابع پایه شعاعی ناهمسانگرد با استفاده از معیارهای نسبت بهره و بهره اطلاعاتی انجام ‌شد. یافته‌ها روش پیشنهادی طبقه‌بندی ناپارامتری با استفاده از معیار بهره اطلاعاتی با انتخاب230 ژن مهم و با استفاده از معیار نسبت بهره با انتخاب 86 ژن مهم با دقت 06/97٪ ، قادر به تشخیص انواع لوسمی‌میلوژنیک و لنفوسیتیک است، در حالی‌که روش طبقه‌بندی ناپارامتری هسته‌، تابع پایه شعاعی با 7129 ژن دارای دقت 29/35٪ است. نتیجه گیری نتایج این مطالعه نشان داد که استفاده از داده‌های بیان ژن و روش پیشنهادی با معیار نسبت بهره قادر به تشخیص لوسمی با دقت بالایی است. بنابراین به نظر می‌رسد این روش می‌تواند در تشخیص دقیق­تر انواع لوسمی‌کمک کند تا تصمیمات مناسب‌تری در مورد نحوه تشخیص و درمان بیماران گرفته شود.