تشخیص نوع سرطان پستان با استفاده از انتخاب ژن های موثر از داده های ریزآرایه

تشخیص زودهنگام سرطان پستان و ژن های موثر در آن نقش بسیار کلیدی در درمان و حیات بیمار ایفا می کند. با استفاده ازداده های بیان ژن استخراج شده از فناوری ریزآرایه و الگوریتم های یادگیری ماشین می توان روش های نوین و هوشمندی درنظام سلامت و درمان ارایه داد که با دقت بالایی قادر به تشخیص سرطان پستان باشند. داده های استفاده شده در این پژوهش، شامل داده های بیان9216 ژن مربوط به 84 بیمار در 5 نوع مختلف سرطان است که با استفاده از فناوری ریزآرایه به دست آمده است. در این مطالعه برای افزایش کارایی سیستم های تشخیص سرطان پستان، روش انتخاب ویژگی مبتنی بر ارتباط بین بیان غیرنرمال ژن و سرطان ارایه شده است. سپس از سه دسته بند پرکاربرد و رایج K- نزدیک ترین همسایه (KNN)، ماشین بردار پشتیبان (SVM) و بیزی ساده (NB) برای سنجش کارایی ژن های انتخاب شده استفاده شد.  بررسی های انجام شده نشان دادند که با روش انتخاب ویژگی پیشنهادی و با استفاده از دسته بند KNN می توان فقط با انتخاب 38 ژن از میان 9216 ژن مربوط به داده های بیماران سرطانی که با استفاده از فناوری ریزآرایه به دست آمده است، انواع سرطان پستان بیماران در داده های آزمایش را با دقت 100% تشخیص داد و ژن های مرتبط با هر کلاس را نیز تفکیک کرد. همچنین با استفاده از دسته بند NB، دقت 90% با 17 ژن و با دسته بند SVM، دقت 67/96% با 22 ژن انتخابی به دست آمد. نتایج این مطالعه نشان دادند که روش انتخاب ویژگی پیشنهادی، با در نظر گرفتن همزمان دو معیار دقت و تعداد ژن انتخابی، عملکرد مناسبی نسبت به سایر روش ها دارد. توانایی تفکیک ژن های موثر در هر کلاس سرطان، به علاوه تشخیص بیان بیشتر از حد یا کمتر از حد ژن های انتخابی، از خصوصیات ویژه روش پیشنهادی است که می تواند مورد استفاده متخصصین و پژوهشگران حوزه درمان و مراقبت قرار گیرد.