ايجاد يك مدل پيش آگهي مبتني بر داده كاوي براي پيش بيني عود مجدد سرطان پستان

A Prognostic Model Based on Data Mining Techniques to Predict Breast Cancer Recurrence

سرطان پستان يكي از شايع ترين انواع سرطان و شايع ترين نوع بدخيمي در زنان ايراني است كه اخيرا روند رو به رشدي داشته است. در مبتلايان به اين بيماري همواره احتمال عود مجدد وجود دارد. عوامل زيادي ميزان اين احتمال را افزايش يا كاهش مي دهند. داده كاوي از روش هايي است كه در تشخيص يا پيش بيني سرطان ها به كار مي رود و يكي از بيشترين كاربردهاي آن، پيش بيني عود مجدد سرطان است.روش: در اين مطالعه گذشته نگر، از داده هاي 809 بيمار مبتلا به سرطان پستان و داراي هيجده ويژگي براي هر بيمار، استفاده شده است. به دليل گمشدگي نسبتاً زياد داده هاي اين مجموعه، تنها اطلاعات 665 بيمار قابل استفاده بودند. به دليل وجود مقادير تهي در ركوردهاي باقيمانده، اين مقادير از طريق الگوريتم em و با استفاده از نرم افزار spss.v20، به عنوان يكي از فازهاي پيش پردازش و آمادهسازي داده ها، تخمين زده شده و در پايان، يك مدل پيش آگهي عود مجدد سرطان پستان در بين بيماران با به كارگيري درخت j48 بر روي داده ها ارائه شده است.نتايج: ويژگي و حساسيت مدل توسعه يافته به ترتيب 53 و 85 درصد بود. اين مدل، تنها 14 درصد از بيماران دچار عود مجدد را به اشتباه، مستعد عود مجدد نمي داند.نتيجه گيري: ايجاد مدل پيش بيني با ويژگي و حساسيت مناسب مي تواند در مورد عود بيماري و انجام به موقع اقدامات پيشگيرانه براي جلوگيري از پيشرفت سرطان، هشدار مناسب را به بيماران بدهد. درصد منفي كاذب نيز در مدل هاي پيش بيني پزشكي بسيار اهميت دارد، زيرا مي تواند عواقب خطرناكي داشته باشد كه در پژوهش حاضر اين مقدار 14 درصد بوده كه از لحاظ مدلينگ مقدار قابل قبولي به نظر مي رسد.

Introduction: Breast cancer is one of the most common cancers, and also it is the most common type of malignancy in Iranian women that has been growing in recent years. The risk of recurrence is usual in patient. Many factors may increase or decrease the recurrence rate. Data mining methods have been used to diagnose or predict cancer and one of the most application of data mining approaches is prediction of breast cancer recurrence Method: This is a retrospective study. Collected data on 809 patients with breast cancer with 18 fields for each patient were used. Due to excessive missing data only about 665 cases have been used. Since the number of fields in the remaining records with null values have been observed, as a preprocessing and data preparation phases, these values have been estimated by the EM algorithm and using SPSS.v20 software. In this study, a model for prognosis of breast cancer recurrence among patients using J48 tree has been developed. Results: The specificity and sensitivity of the developed model are 53% and 85%, respectively. Moreover, only 14% of patients who have relapsed are known as false negative with developed model. Conclusion: Creating a predictive model with appropriate specificity and sensitivity can warn patients about recurrence and timely preventive measures to prevent progression of the cancer. The False Negative rate is very important in medical prediction models that can make serious results/consequences. In present study this rate is about 14% that seems reasonable amount in term of modeling.