تشخیص ابتلا به سرطان پستان با استفاده از روش های درخت تصمیم، شبکه عصبی و بیز ساده به منظور ارایه مدل بومی ویژه استان فارس

سرطان پستان شایع ترین سرطان و اصلی ترین علت مرگ ناشی از سرطان در زنان سراسر جهان به شمار می رود. تکنولوژی هایی مثل داده کاوی، به متخصصان این حوزه، امکان بهبود تصمیم گیری را در زمینه ی تشخیص زودهنگام فراهم آورده اند. هدف از این پژوهش توسعه ی مدل تشخیص خودکار سرطان پستان با به کارگیری روش های داده کاوی و انتخاب مدل بومی ویژه بیماران استان فارس با بالا ترین دقت تشخیص می باشد.

در این مطالعه، تعداد 654 پرونده در دسترس از بیماران کلینیک تخصصی سرطان پستان مطهری شیراز به عنوان نمونه مورد استفاده قرار گرفت که بعد از عملیات پیش پردازش این تعداد به 621 پرونده کاهش یافت. برای هر کدام از نمونه ها دارای 22 ویژگی در پرونده پزشکی ثبت شده بود که در نهایت 10 ویژگی تاثیر گذار در ساخت مدل استفاده شد. از سه روش درخت تصمیم، بیز ساده و شبکه عصبی مصنوعی به منظور تشخیص ابتلا به سرطان پستان و روش 10-fold cross-validation برای ساخت و ارزیابی مدل بر روی مجموعه داده ی جمع آوری شده بهره گرفته شد.

نتایج به دست آمده از سه تکنیک ذکر شده نشان داد که هر سه مدل، نتایج امیدبخشی در تشخیص این سرطان دارند. در نهایت، شبکه عصبی مصنوعی، بالا ترین دقت 94/49%(حساسیت 96/19%، ویژگی 86/36%)، در تشخیص ابتلا به سرطان پستان به خود اختصاص داد.

بر طبق نتایج حاصل از درخت تصمیم ایجاد شده، ریسک فاکتورهایی چون سن، وزن، سن شروع قاعدگی، یائسگی، مدت زمان مصرف OCP و سن اولین بارداری از جمله عوامل موثر در ابتلای زنان به سرطان پستان در استان فارس شناخته شدند.