مقايسه عملكرد دو مدل پيشبيني متاستاز براساس تكنيكهاي دادهكاوي در بيماران سرطان پستان

با شناسايي فرآيند متاستاز و عوامل مؤثر بر آن به بهبود و بقاي طولاني مدت بيماران كمك شاياني خواهد شد. هدف از مطالعه حاضر بررسي و شناسايي عوامل تأثيرگذار در پيشبيني متاستاز سرطان پستان با استفاده از ابزارهاي دادهكاوي است. دادهكاوي ابزار كشف دانش از ميان انبوهي از داده است كه امروزه در زمينههاي مختلفي كاربرد پيدا كرده است. تشخيص بيماري در علم پزشكي يكي از زمينههاي رو به رشد و پركاربرد دادهكاوي است. مواد و روش‌ها: در اين پژوهش پس از آمادهسازي دادهها، 2025 ركورد قابل استفاده مورد تجزيه و تحليل قرار گرفت. سپس با استفاده از الگوريتمهاي شبكه عصبي و CHAID به كشف الگوهايي كه به پيشبيني متغيرهاي تأثيرگذار بر متاستاز در بيمار كمك ميكند، پرداختهايم. نتايج: براساس نتايج متغيرهاي Stage تومور، نوع عمل جراحي، نوع سرطان براساس پاتولوژي مهمترين متغيرهاي پيشبيني‌كننده متاستاز هستند. نتيجه‌گيري: مقايسه عملكرد مدلها در اين پژوهش نشان ميدهد كه الگوريتمهاي CHAID و شبكه عصبي در پايگاه داده مورد استفاده، روشهاي مناسبي براي پيشبيني متاستاز در بيماران سرطان پستان ميباشد.

Defining the metastasis processes and what are the most effecting factors on improve the survival of patients and hopefully treating them. We aim to investigate and defining the factors predict breast cancer metastasis using data mining techniques. Data mining is the technique and tool of knowledge discovery from the big data which is spreading rapidly in several areas of research and business nowadays. In medicine, diagnosis of diseases is one of the fruitful and highly spreading filed of data mining. Methods: There were 2025 usable records in ACECR breast disease center’s data base after data preparation. In the study here we try to uncover the patterns that would help the prediction of metastasis factors using CHAID and Artificial Neural Network. Results: In this study, two mentioned algorithms were implemented and compared in terms of degree of confidence. Confidence was 94.14 for artificial neural network and 94.24 for CHAID algorithm. We found the tumor stage, surgery type and pathology results, as the most important variables in metastasis prediction. Conclusion: Comparing the algorithms execution results and their confidence, both artificial neural network and CHAID are convenient prediction models for breast cancer metastasis.