تشخیص لوسمی لنفوسیتی و میلوئیدی حاد با استفاده از انتخاب ژن داده های ریز آرایه و الگوریتم های داده کاوی

تکنولوژی ریزآرایه، یک تصویر کلی از میزان بیان هزاران ژن به طور هم زمان ارایه می دهد. تفسیر داده های ریز آرایه بدون آنالیز آماری و روش های هوش مصنوعی ممکن نیست. هدف این مقاله، تشخیص انواع لوسمی حاد با استفاده از مجموعه داده های ریز آرایه و الگوریتم های داده کاوی بود.
در این مطالعه توصیفی از داده های بیان 7129 ژن مربوط به 72 بیمار مبتلا به لوسمی استفاده شد. سپس با انتخاب ژن های مهم بر اساس روش های ضریب همبستگی، بهره اطلاعاتی، نسبت بهره و امتیاز Fisher و با استفاده از روش های جداکننده خطی، ماشین بردار پشتیبان، k نزدیک ترین همسایه، بیزین ساده، شبکه بیزین، نزدیک ترین میانگین، رگرسیون لجستیک، شبکه عصبی پرسپترون چند لایه و درخت تصمیم J48 برروی ژن های انتخاب شده به تشخیص لوسمی میلوژنیک و لنفوسیتیک حاد پرداخته شد.
روش های نزدیک ترین میانگین، ماشین بردار پشتیبان، k نزدیک ترین همسایه، بیزین ساده و شبکه عصبی پرسپترون چند لایه با استفاده از 39 ژن انتخاب شده توسط نسبت بهره با دقت 100٪، قادر به تشخیص لوسمی میلوژنیک و لنفوسیتیک حاد هستند. هم چنین روش ماشین بردار پشتیبان با استفاده از 87 ژن انتخاب شده توسط بهره اطلاعاتی و روش شبکه عصبی پرسپترون چند لایه با استفاده از 133 ژن انتخاب شده توسط بهره اطلاعاتی با دقت 100٪، قادر به تشخیص آن می باشند.
نتایج این مطالعه نشان داد که انتخاب ژن ها و الگوریتم های داده کاوی قادر به تشخیص انواع لوسمی با دقت بسیار بالایی هستند، بنابراین با استفاده از این روش ها، می توان تصمیمات مناسبی در مورد نحوه تشخیص و درمان بیماران گرفت.