بررسي رابطه علت و معلولي متغيرهاي مرتبط با سرطان پستان با استفاده از شبكه‌هاي بيزي

Causal Relationship between Variables Related to Breast Cancer using Bayesian Networks

مقدمه و اهداف: سرطان پستان شايع‌ترين سرطان در ايران است. سرطان پستان قابل درمان و پيشگيري بوده و اساس كار هم تشخيص سريع اين بيماري است. براي اين منظور لازم است تا عوامل مؤثر بر سرطان و روابط عليتي بين آن‌ها مورد بررسي قرار گيرد. شبكه‌هاي بيزي نوعي از ابزار داده‌كاوي هستند كه مي‌توانند روابط علي بين متغيرهاي مؤثر در تشكيل سلول‌هاي سرطاني را با ترسيم گراف به خوبي نمايش دهند. در اين مقاله از يادگيري ساختاري شبكه بيزي با استفاده از الگوريتم ژنتيك براي يافتن روابط عليتي بين متغيرهاي سرطان پستان استفاده شده است. روش كار: اين مطالعه از نوع كاربردي است و داده‌هاي آن مربوط به 900 بيمار مبتلا به سرطان سينه در استان كرمان براي سال‌هاي 86-1378 است. براي تجزيه و تحليل داده‌ها از يك گراف كه نشان دهنده روابط علت و معلولي است، استفاده شده است. يافته‌ها: جراحي اصلي‌ترين روش درماني سرطان پستان است و با توجه به احتمال‌هاي شرطي برآورد شده در شبكه‌ي بيزي، اغلب زناني كه تحت عمل جراحي قرار مي‌گيرند، با اميد بيش‌تري مي‌توانند به زندگي خود ادامه دهند. هم‌چنين 81 درصد از بيماراني كه تحت عمل جراحي قرار نگرفته‌اند و درمان آن‌ها صرفاً به شيوه شيمي‌درماني يا راديوتراپي صورت گرفته است، احتمال ادامه زندگي آن‌ها كم‌تر بوده است. نتيجه‌گيري: افراد در رده سني 65-40 سال، بيش‌تر درگير سرطان هستند. هم‌چنين مي‌توان نتيجه گرفت كه متغيرهاي سن، جراحي، شيميدرماني و راديوتراپي اثر مستقيم روي وضعيت بيمار دارند و يال از سمت آن‌ها به سمت متغير وضعيت بيمار است.

Background and Objectives: Breast cancer is the most common cancer in Iran. It can be prevented by rapid diagnosis of the disease. Thus, it is necessary to determine the causal relationships between variables related to breast cancer. Bayesian network is a data mining tool that shows the causal relationship between different variables. In this paper, a Bayesian network was applied to find causal relationships between breast cancer variables using a genetic algorithm in a graphical model. Methods: in this applied study, data were collected from 900 breast cancer patients in Kerman Province from 1999 to 2008. For data analysis, we used a probabilistic graphical model representing the causal relationship between variables. Results: The results showed that surgery was the most important treatment for breast cancer. Based on the conditional and marginal probabilities, the women who underwent surgery had higher hopes of living longer. Moreover, 81% of the patients who did not undergo surgery only received chemotherapy or radiotherapy were less likely to have long lives. Conclusion: People aged 40-65 years are more likely to have breast cancer. Moreover, the variables of age, surgery, chemotherapy, and radiotherapy had a direct effect on the status of the patients and there were direct edges from these variables to the status of the patients.