مقايسه‌ي عملكرد طبقه‌بندي كننده‌هاي مختلف در پيشگويي متاستاز سرطان سينه با استفاده از ميكرو آرايه

مقدمه: هدف از اين تحقيق، دستيابي به يك روش قابل اعتماد براي پيشگويي متاستاز در مبتلايان به سرطان سينه بود. روش‌ها: در اين مطالعه از آناليز ميكرو آرايه‌ي DNA مربوط به تومور سينه در 78 بيمار جوان با شرايط يكسان (34 نفر با متاستاز و 44 نفر بدون متاستاز) استفاده و تلاش شد تا با مقايسه‌ي عملكرد چند طبقه‌بندي كننده‌ي مطرح روي بيان ژن‌هاي آن‌ها، يك سيستم پيشگويي قوي براي متاستاز به دست آيد. براي اين امر، طبقه‌بندي كننده‌هاي SWLDA (Stepwise linear discriminate analysis)، ماشين بردار پشتيبان (SVM يا Support vector machine) و K نزديك‌ترين همسايه (KNN يا K-Nearest Neighbours) با استفاده از روش LOO (Leave one out) بر روي 231 ژن انتخابي به كار برده شد تا اين نمونه‌ها را به دو گروه با و بدون متاستاز تفكيك كنند. يافته‌ها: روش ماشين بردار پشتيبان با كرنل خطي از نظر ميزان صحت، Sensitivity و Specificity بهترين روش است. ماشين بردار پشتيبان با استفاده از كرنل خطي توانست با Sensitivity بيش از 84 درصد و Specificity نزديك به 82 درصد به تفكيك دادگان بپردازد. نتيجه‌گيري: در مورد روش SWLDA، مزيتي كه وجود دارد اين است كه اين طبقه‌بندي كننده قبل از دسته‌بندي از يك مرحله‌ي انتخاب ويژگي بهره مي‌برد كه اين مسأله پيچيدگي تابع تصميم‌گيري را كمتر و تعميم پذيري طبقه‌بندي كننده را بيشتر مي‌كند.