مقايسه مدل شبكه عصبي مصنوعي و رگرسيون كاكس در پيش بيني بقاي بيماران مبتلا به سرطان پستان

Comparison of Artificial Neural Network and Cox Regression Models in Survival Prediction of Breast Cancer Patients

چكيده مقدمه: امروزه انواع سرطان يكي از مهم ترين عوامل مرگ و مير در دنيا و سرطان پستان از شايع ترين آن ها در زنان ميان سال مي باشد. ميزان بقاي پس از تشخيص و درمان در اين بيماران يكي از شاخص هاي مهم در كنترل بيماري است. در اين مطالعه دو مدل رگرسيون كاكس و شبكه عصبي مصنوعي در پيش بيني بقاي بيماران سرطان پستان با يكديگر مقايسه شده اند. مواد و روش ها: داده هاي اين پژوهش كه از نوع مطالعات بقا است، از پرونده تمامي 344 زن مبتلا به سرطان پستان كه در سال هاي 1384 تا 1391 براي درمان به بيمارستان شهيد فياض بخش تهران مراجعه كرده بودند استخراج شده است. وضعيت بقا به عنوان متغير وابسته در نظر گرفته شد. مقايسه پيش بيني هاي دو مدل با استفاده از سطح زير منحني مشخصه عملكرد و صحت پيش بيني كل و به كمك نرم افزارهاي R و Minitab انجام شد. يافته هاي پژوهش: ميانگين ± انحراف معيار سن زمان تشخيص بيماران 93/10±9/49 سال و ميانه بقا برابر با 6/44 ماه بود و تا پايان مطالعه واقعه مرگ براي تعداد 45 نفر(1/13 درصد) از آن ها رخ داد. سطح زير منحني مشخصه عملكرد مدل كاكس و شبكه عصبي به ترتيب برابر 6/87 درصد و 4/75 درصد و هم چنين صحت پيش بيني كل براي مدل كاكس و شبكه عصبي به ترتيب برابر 42/89 و 68/77 محاسبه گرديد. بحث و نتيجه گيري: صحت پيش بيني شبكه در تشخيص وضعيت بقاي زنان مبتلا به سرطان پستان بالاتر بود و بنا بر اين اين مدل براي پيش بيني بقاي بيماران سرطان پستان پيشنهاد مي شود.

Abstract Introduction: Nowadays, cancer diseases are the most important causes of death wor-ldwide and the breast cancer is the most important of them within women. Asses-sing the survival of the patients is one of the most important indices of controlling the cancer. This study aimed to make a compa-rison between the prediction of artificial neural networks (ANN) and Cox regression models for the breast cancer survival. Materials & Methods: The data of the sur-vival study gathered from 344 breast cancer patients between 2005 and 2012 that regist-ered at the Fayyazbakhsh hospital, Tehran, Iran. The status of survival was considered as a dependent variable. Area under rece-iver operative characteristic curve (AUR-OC) and classification accuracy were used for the comparison of artificial neural netw-orks and Cox regression models. Data anal-ysis was performed by R and Minitab sof-tware. Findings: The age of participants expres-sed as Mean ± SD, was 49.9±10.93 years and the median of survival was 44.6 mo-nths. Up to the end study, 45 (13.1) were died. Results showed that AUROC for AN-N and Cox regression were 87.6% and 75.4%, respectively. In addition the clas-sification accuracy of ANN and Cox regres-sion were calculated as 89.42 and 77.68, respectively. Discussion & Conclusion: According to the results, the total classification accuracy of the ANN was better than those of the Cox regression; therefore, the ANN model is suggested to predict the survival status of breast cancer disease and also is suggested for diagnostic goals.