تعيين عوامل موثر در بروز سرطان معده با استفاده از رويكرد داده كاوي

Determining the Effective Factors in the Incidence of Gastric Cancer by Using Data Mining Approach

سرطان معده دومين علت مرگ ناشي از سرطان در جهان است. با توجه به اينكه اين بيماري جزو كشنده ترين بيماري ها در كشور ماست بررسي و شناخت عوامل تاثيرگذار در ايجاد اين بيماري، بسيار اهميت دارد. در اين پژوهش از دو تكنيك داده كاوي يعني الگوريتم Apriori و الگوريتم ID3 به منظور بررسي عوامل موثر در بروز سرطان معده استفاده شده است. روش بررسي: مجموعه داده هاي اين پژوهش از 490 بيمار شامل 220 نمونه ي مبتلا به سرطان و270 نمونه ي سالم مراجعه كننده به بيمارستان امام رضاي تبريز جمع آوري شد. با استفاده از الگوريتم Apriori و پياده سازي آن در نرم افزار متلب، بهترين قوانين حاكم بر روي اين مجموعه داده، استخراج شده است. همچنين از الگوريتم ID3 نيز جهت بررسي اين عوامل استفاده شد. يافته ها: نتايج داده كاوي نشان مي دهد كه داشتن سابقه رفلاكس معده بيشترين تاثير را در بروز اين بيماري دارد. با استفاده از الگوريتم Apriori قوانيني به دست آمد كه مي تواند به عنوان الگويي براي پيش بيني وضعيت بيماران و احتمال بروز اين بيماري و بررسي عوامل تاثيرگذار در ايجاد اين بيماري استفاده شود. همچنين دقت پيش بيني به دست آمده از الگوريتم ID3 برابر 85/56 به دست آمد كه نتيجه ي بسيار خوبي در پيش بيني سرطان معده است. نتيجه گيري: استفاده از داده كاوي به خصوص در داده هاي پزشكي با توجه به حجم بالاي داده ها و وجود روابط ناشناخته بين ويژگي هاي سيستميك، شخصي و رفتاري بيماران بسيار مفيد است. نتايج حاصل از اين پژوهش مي تواند به پزشكان در شناسايي عوامل موثر در بروز اين بيماري و نيز پيش بيني بروز اين بيماري كمك فراواني كند

Background and Aim: Gastric cancer is the second leading cause of cancer death in the world. Due to the prevalence of the disease and the high mortality rate of gastric cancer in Iran, the factors affecting the development of this disease should be taken into account. In this research, two data mining techniques such as Apriori and ID3 algorithm were used in order to investigate the effective factors in gastric cancer. Materials and Methods: Data sets in this study were collected among 490 patients including 220 patients with gastric cancer and 270 healthy samples referred to Imam Reza hospital in Tabriz. The best rules related to this data set were extracted through Apriori algorithm and implementing it in MATLAB. ID3 algorithm was also used to investigate these factors. Results: The results showed that having a history of gastro esophageal reflux has the greatest impact on the incidence of this disease. Some rules extracted through Apriori algorithm can be a model to predict patient status and the incidence of the disease and investigate factors affecting the disease. The prediction accuracy achieved through ID3 algorithm is 85.56 which was a very good result in the prediction of gastric cancer. Conclusion: Using data mining, especially in medical data, is very useful due to the large volume of data and unknown relationships between systemic, personal, and Behavioral Features of patients. The results of this study could help physicians to identify the contributing factors in incidence of the disease and predict the incidence of the disease.