ارايه مدلي جهت تعيين احتمال ابتلا به سرطان سينه با بكارگيري الگوريتم EM در عامل‌هاي خطر

Comparison and Evaluation of Synthesis of Risk Factors in Breast Cancer and Provide a Model for Determine the Likelihood of Developing Breast Cancer Using by EM Algorithm in Data Mining Techniques

مقدمه: هر عاملي كه باعث افزايش احتمال ابتلا به سرطان پستان در فرد شود عامل خطر محسوب‌ مي‌گردد. آگاهي از اين عوامل خطر در تعيين زناني كه خطر بالاي ابتلا به سرطان پستان دارند كمك كننده است و همچنين اين اجازه را مي‌دهد تا با مداخله در برخي از عوامل خطر فردي و اجتماعي، خطر بروز سرطان را در فرد و جامعه تعديل كرد. هدف از اين تحقيق ارايه مدلي رياضي جهت تعيين ميزان ريسك ابتلا به بيماري سرطان پستان در افراد مراجعه كننده به مراكز غربالگري مي‌باشد. روش بررسي: داده‌هايي كه در اين مقاله جهت ارزيابي مورد استفاده قرار گرفته‌اند از كنسرسيوم نظارت بر سرطان پستان (BCSC) وابسته به موسسه ملي سرطان آمريكا اقتباس و جهت انجام تحليل داده‌هاي اين مقاله از نرم‌افزار Weka استفاده شده است. اين مطالعه بر روي 6318638 نفر مراجعه‏كننده به مراكز غربالگري در كشور آمريكا از سال 2000 تا 2009 صورت گرفته است. جهت خوشه‌بندي موثر داده‌ها از الگوريتم EM نيز بهره برده شده است. يافته‌ها: همه عوامل خطر به‌طور يكسان خطر سرطان پستان را افزايش نمي‌دهند، بعضي از آنها، عوامل خطرناك‏تري بوده و خطر ابتلا را بيشتر بالا مي‌برند. لذا با تعيين ضريب تاثيرگذاري در جامعه آماري نمونه مي‌توان به مدلي دست يافت كه بر اساس آن امكان پيش‌بيني احتمال ابتلا به سرطان سينه وجود خواهد داشت. نتيجه‌گيري: نتايج اين مطالعه نشان داد كه با استفاده از الگوريتم EM و خوشه‌بندي موثر مي‌توان ميزان تاثيرگذاري هر يك از عوامل خطر را در يك مجموعه داده مورد بررسي قرار داده و براي هر يك ضريبي را به عنوان ضريب موثر بدست آورده و در نهايت با جمع اين ضرايب در مقدار عامل خطر ميزان ريسك ابتلا به خطر سرطان سينه را پيش‌بيني نمود.

Introduction: Anything that increases a personʹs chance of developing breast cancer is risk factor. Awareness of these risk factors to identify women who have a high risk of developing breast cancer may be helpful. It also allows intervening in individual and social risk factors and adjustment the incidence of cancer in the individual and our community. The aim of this study is to provide a mathematical model to determine the risk of breast cancer in screening centers. Methods: In this study we used the data from Breast Cancer Surveillance Consortium (BCSC) in National Cancer Institute in USA from 2000-2009 on 6318638 people. For clustering we used EM algorithm and executed in Weka software to cluster this data. Results: All of the risk factors do not increase the risk of breast cancer in a same mode. Some of these factors are more dangerous and increases the risk raise more than from another risk. Therefore, to determine the impact factor of the population could be achieved in a model upon which to predict the likelihood of breast cancer will be there. Conclusion: The results of this study shown that using EM algorithm and effective clustering may be effective, any of the risk factors studied in a dataset and for each factor as effective coefficient obtained, and finally the sum of these impact factors on the risk of breast cancer risk factors, the risk can be predicted.