آينده پژوهي در سلامت: انتخاب بهترين مدل هوشمند مبتني بر داده كاوي براي پيش بيني و تشخيص سرطان كبد در مراحل اوليه

Futures Studies in Health: Choosing the Best Intelligent Data Mining Model to Predict and Diagnose Liver Cancer in Early Stage

سرطان اوليه كبد(hcc) پنجمين سرطان شايع در دنيا و سومين عامل مرگ و مير در جهان مي باشد. علائم سرطان كبد پس از بروز به سرعت پيشرفت كرده و در صورت عدم تشخيص به موقع متاسفانه بقاي عمر بيمار بسيار كم مي گردد. يكي از مشكلات اصلي پيش روي متخصصين گوارش، پيش بيني و تشخيص زود هنگام سرطان كبد است. داده كاوي از روش هايي است كه در اين زمينه مورد استفاده واقع مي گردد. هدف از انجام اين مطالعه معرفي بهترين مدل هوشمند مبتني بر داده كاوي براي پيش بيني و تشخيص سرطان كبد در مراحل اوليه مي باشد.روش: در مقاله حاضر با استفاده از روش مطالعه گذشته نگر، پرونده 516 بيمار مبتلا به سرطان كبد اوليه و ثانويه و 22 ريسك فاكتور، از هر بيمار، مورد بررسي قرار گرفت. داده هاي جمع آوري شده با استفاده از 5 مدل داده كاويvfi classifier ،regression classifier ،hyperpipes classifier ، functional trees with logistic regression و meta muti class classifier تحليل شدند. اين مدل ها با يكديگر مقايسه شدند.نتايج: دقت، ويژگي، حساسيت و سطح زير منحني rocمـدل vfi classifier به تـرتيب 71/29%، 49%، 50% و 63/31% مي باشد و اين مدل به عنوان بهترين مدل هوشمند مبتني برداده كاوي براي پيش بيني و تشخيص سرطان كبد در مراحل اوليه شناخته شد.نتيجه گيري: در صورتي كه مدل داده كاوي vfi classifier به صورت صحيح طراحي شود، مي تواند سرطان كبد را پيش بيني نمايد يا آن را در مراحل اوليه تشخيص دهد.

Introduction: Primary liver cancer (HCC), is the fifth most common type of cancer and the third leading cause of death in the world. Symptoms of liver cancer will progress rapidly after the onset of the disease, and unfortunately, the patients' survival rate is very low. One of the main problems for gastroenterologists is the prediction and early detection of liver cancer. Data mining techniques can be used to understand and predict cancer. The aim of this study was to identify the best model based on intelligent data mining to predict and diagnose liver cancer in an early stage. Method: In the present article, a retrospective study was conducted on 516 cases of primary and secondary liver cancer, and 22 risk factors were examined. Data were collected from the patients' files and analyzed using 5 data mining models including VFI Classifier, Regression Classifier, Hyper Pipes Classifier, Functional trees with logistic regression, and Meta Multi Class Classifier with the highest precision (Precision). These models were compared. Results: The precision, sensitivity, specificity, and the area under the curve of VFI Classifier model were respectively 71.29%, 49%, 50%, and 63.31%, and VFI Classifier model is the best model based on intelligent data mining to predict and diagnose liver cancer in an early stage. Conclusion: If properly designed, data mining model VFI Classifier can predict liver cancer or detect it in an early stage.