تشخیص ابتلا به سرطان پستان با بهره گیری از یادگیری ماشین

سرطان و به طور جزیی سرطان پستان در زمره بیماری هایی به شمار می روند که در ایران پس از بیماری های قلبی بیش ترین آمار مرگ ومیر را به خود اختصاص داده است. پیش بینی صحیح سرطان پستان دارای اهمیت است و وجود علایم و ویژگی های مختلف این بیماری، تشخیص را برای پزشکان دشوار می کند. هدف این پژوهش، شناسایی عوامل موثر بر سرطان پستان و تشخیص احتمال ابتلا به سرطان پستان است.

در مطالعه ی حاضر، ابتدا به روش تحلیل محتوا و مطالعات کتابخانه ای، عوامل تاثیرگذار در ابتلا به سرطان پستان شناسایی شده سپس با همراهی تیم خبرگان مشتمل بر پزشکان متخصص و یا دارای فوق تخصص سرطان شناسی و جراحی پستان با کمک روش دلفی، تعدیل گردیده و 26 عامل نهایی که به صورت عددی صحیح و رشته ای بودند براساس شرایط بومی و اقلیمی تایید شدند. در ادامه و با توجه به عوامل نهایی و براساس پرونده پزشکی 5208 بیمار در مرکز تحقیقات سرطان دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید بهشتی به منظور تشخیص ابتلا به سرطان از روش های درخت تصمیم (Decision Tree)، جنگل تصادفی (Random Forest) و ماشین بردار پشتیبان (Support Vector Machine) به عنوان روش های یادگیری ماشین بهره گرفته شد.

یافته ها: 

در گام نخست و با روش تحلیل محتوا، 29 عامل تاثیرگذار در ابتلا به سرطان پستان شناسایی شد. در ادامه و با در نظر گرفتن شرایط بومی و اقلیمی و با استفاده از روش دلفی و با بهره گیری از نظرات 18 خبره در طی سه دوره، 26 عامل تعدیل و نهایی شد. در گام نهایی و با استفاده از پرونده پزشکی مراجعه کنندگان که در طی 3 سال گردآوری شده و معیارهای استخراج شده از سه روش ذکر شده، جنگل تصادفی، بیشترین دقت به میزان 94/75% و صحت 97/26% را در تشخیص ابتلا به سرطان پستان به خود اختصاص داد، که این میزان در قیاس با سایر پژوهش های مشابه که از پایگاه های داده بومی بهره گرفته اند، دقت های به دست آمده بسیار نزدیک به کارهای پیشین بوده و در بعضی موارد نیز دقت بهتری داشته است.

نتیجه گیری:

 با استفاده از روش جنگل تصادفی و با بهره گیری از عوامل تاثیرگذار بر سرطان پستان، قابلیت تشخیص ابتلا به سرطان با بیشترین دقت فراهم شده است.