ارائه يك الگوريتم براي پيش بيني عود بيماران مبتلا به سرطان پستان با استفاده از الگوريتم ژنتيك و الگوريتم نزديك ترين همسايگي

An Algorithm for Predicting Recurrence of Breast Cancer Using Genetic Algorithm and Nearest Neighbor Algorithm

مقدمه: بيماري سرطان پستان يكي از شايع‌ترين انواع سرطان و شايع‌ترين نوع بدخيمي در زنان است كه در سال‌هاي اخير روند رو به رشدي داشته است. در مبتلايان به اين بيماري همواره احتمال عود مجدد وجود دارد. عوامل زيادي ميزان اين احتمال را كاهش يا افزايش مي‌دهند. داده‌كاوي از روش‌هايي است كه در تشخيص يا پيش‌بيني سرطان‌ها به كار مي‌رود و يكي از بيشترين كاربردهاي آن، پيش‌بيني عود مجدد سرطان پستان است. روش: در اين مطالعه گذشته­نگر از داده­هاي 699 بيمار مبتلا به سرطان پستان با 14 ويژگي استفاده ­شد كه از اين تعداد 458 نفر (66 درصد) سرطان آن‌ها عود نكرد و 241 نفر (34 درصد) سرطان آن­ها عود كرده است. اين اطلاعات از سال 1391 تا 1394 از پرونده بيماران سرطان پستان جهاد دانشگاهي جمع­آوري شد. در اين پژوهش از تركيب دو الگوريتم نزديك­ترين همسايگي و الگوريتم ژنتيك براي پيش­بيني عود بيماران مبتلا به سرطان پستان استفاده گرديد. ابتدا الگوريتم نزديك‌ترين همسايگي براي پيش­بيني عود سرطان پستان ارائه شد سپس به كمك الگوريتم ژنتيك متغيرهاي وابسته كاهش يافت تا مدل صحت مناسب­تري داشته باشد. نتايج: تعداد متغيرهاي وابسته 14 متغير بود كه به كمك الگوريتم ژنتيك به 6 متغير كاهش پيدا نمود تا مدل پيش‌بيني كارايي بهتري داشته باشد. جهت ارزيابي مدل از پارامتر صحت استفاده شد كه مقدار آن براي مدل پيشنهادي 14/77 درصد است كه نسبت به روش‌هاي ديگر خروجي مناسب‌تري دارد. نتيجه­ گيري: در اين مطالعه الگوريتم پيشنهادي با روش‌هاي ديگر پيش‌بيني مورد بررسي قرار گرفت و مشخص گرديد الگوريتم پيشنهادي داراي صحت بهتر است.

Introduction: Breast cancer is one of the most common types of cancer and the most common type of malignancy in women, which has been growing in recent years. Patients with this disease have a chance of recurrence. Many factors reduce or increase this probability. Data mining is one of the methods used to detect or anticipate cancers, and one of its most common uses is to predict the recurrence of breast cancer. Cases and Methods: Out of 699 patients with breast cancer, 458 (66%) of them did not relapse and 241 (34%) of their cancer recurred. This information was collected from 91 to 94 years of history of patients with breast cancer in the academic Jihad. In this study, the combination of two nearest neighboring algorithms and a genetic algorithm are proposed to predict the relapse of patients with breast cancer. First, the nearest neighboring algorithm is presented to predict the recurrence of breast cancer. Then, using the genetic algorithm, the dependent variables are reduced to make the model more appropriate. Results: The number of dependent variables is 14 variables, which is reduced by 6 genetic algorithms to better predict the model. To evaluate the model, the health parameter is used, which is 77.14% for the proposed model, which could not be more suitable for other methods. Conclusion: In this study, the proposed algorithm was examined with other predictive methods and it was determined that the proposed algorithm is better.