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

سرطان اولیه کبد HCC)) پنجمین سرطان شایع در دنیا و سومین عامل مرگ و میر در جهان می باشد. علائم سرطان کبد پس از بروز به سرعت پیشرفت کرده و در صورت عدم تشخیص به موقع متاسفانه 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 روش هایی است که در این زمینه مورد استفاده واقع می گردد. هدف از انجام این مطالعه معرفی بهترین مدل هوشمند مبتنی بر داده کاوی برای پیش بینی و تشخیص سرطان کبد در مراحل اولیه می باشد.
در مقاله حاضر با استفاده از روش مطالعه گذشته نگر، پرونده 516 بیمار مبتلا به سرطان کبد اولیه و ثانویه و 22 ریسک فاکتور، از هر بیمار، مورد بررسی قرار گرفت. داده های جمع آوری شده با استفاده از 5 مدل داده کاویVFI Classifier، Regression Classifier، HyperPipes Classifier، Functional trees with logistic regression و Meta Muti Class Classifier تحلیل شدند. این مدل ها با یکدیگر مقایسه شدند.
دقت، ویژگی، حساسیت و سطح زیر منحنی Rocمدل VFI Classifier به ترتیب 71/29%، 49%، 50% و 63/31% می باشد و این مدل به عنوان بهترین مدل هوشمند مبتنی برداده کاوی برای پیش بینی و تشخیص سرطان کبد در مراحل اولیه شناخته شد.
در صورتی که مدل داده کاوی VFI Classifier به صورت صحیح طراحی شود، می تواند سرطان کبد را پیش بینی نماید یا آن را در مراحل اولیه تشخیص دهد.