پيش‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎بيني بقاي بيماران مبتلا به سرطان پستان با استفاده از دو مدل رگرسيون لجستيك و شبكه عصبي مصنوعي

Prediction of Breast Cancer Survival by Logistic Regression and Artificial Neural Network Models

مقدمه و اهداف: در سال‎های اخير، توجه قابل ملاحظه‎ای به مدل‎های آماری برای طبقه‎بندی داده‎های پزشكی با توجه به بيماري‎های مختلف و پيامدهای آن‎ها شده است. شبكه‎های عصبی مصنوعی به دليل عدم نياز به پيش‌فرض با موفقيت برای تشخيص الگو و پيش‎بينی در برخی از مطالعه‌های بالينی استفاده شده‎اند. هدف از اين مطالعه، مقايسه دو مدل آماری شبكه عصبی مصنوعی و رگرسيون لجستيك برای پيش‌بينی بقای بيماران مبتلا به سرطان پستان است.روش كار: دو مدل برای داده‎های ثبت سرطان كرمان، جنوب شرق ايران، برای پيش‌بينی بقای هر بيمار به كار برده شدند. داده‎‎‎‎‎‎‎های مورد استفاده در اين مطالعه شامل 712 بيمار مبتلا به سرطان پستان در گروه سنی 85-15 سال بود. برای مقايسه پيش‌بينی بقا در داده‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎های ياد شده، از مدل رگرسيون لجستيك و مدل شبكه عصبی مصنوعی پرسپترون سه لايه استفاده شد. برای مقايسه و تعيين تفاوت دو مدل، از حساسيت، ويژگی، صحت پيش‎بينی و سطح زير منحنی مشخصه عملكرد (ROC) (Receiver Operative Characteristics) استفاده گرديد.نتايج: در اين مطالعه، حساسيت و ويژگی دو مدل رگرسيون لجستيك و شبكه عصبی مصنوعی به ترتيب (594/0 و 70/0) و (621/0 و 723/0) به دست آمد. هم‌چنين صحت و سطح زير منحنی راك به ترتيب (688/0و 725/0) و (70/0و 725/0) برای دو مدل رگرسيون لجستيك و شبكه عصبی پرسپترون بود.نتيجه‏گيری: يافته‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎ها نشان مي‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎دهند اگرچه تفاوت كمی در دو مدل وجود دارد، اما در اين‎گونه داده‎ها برای پيش‎بينی بقای بيماران مبتلا به سرطان پستان، مدل شبكه عصبی مصنوعی ابزار مناسب‌تری می‌باشد.

  Background and Objectives : recent years, considerable attention has been paid to statistical models for classification of medical data according to various diseases and their outcomes. Artificial neural networks have been successfully used for pattern recognition and prediction since they are not based on prior assumptions in clinical studies. This study compared two statistical models, artificial neural network and logistic regression, to predict the survival of patients with breast cancer.   Methods: Two models were applied on cancer registry data, Kerman, southeast of Iran, to predict survival. The data of 712 breast cancer patients in the age group 15 to 85 years was used in this study. The logistic regression and three-layer perceptron neural network models were compared in terms of predicting the survival. Sensitivity, specificity, prediction accuracy, and the area under ROC curve were used for comparing the two models.   Results : In this study, the sensitivity and specificity of logistic regression and artificial neural network models were (0.594, 0.70) and (0.621, 0.723), respectively. Prediction accuracy and the area under ROC curve for two models were (0.688, 0.725) and (0.70, 0.725), respectively.   Conclusion: Although there were insignificant differences in the performance of the two models for predicting the survival of the patients with breast cancer, the corresponding results of artificial neural network were more appropriate for predicting survival in such data.