پيش بيني عود مجدد سرطان پستان به كمك سه تكنيك داده كاوي

Using Data Mining Techniques for Prediction Breast Cancer Recurrence

مقدمه: تعداد و اندازه پايگاه داده هاي پزشكي به سرعت در حال افزايش است و مدل هاي توسعه يافته تكنيك داده كاوي مي توانند براي پزشكان جهت كمك در تصميم گيري موثر و كاربردي باشند. هدف اصلي از اين مقاله، گزارش يك پروژه تحقيقاتي به منظور مقايسه الگوريتم هاي مختلف داده كاوي از طريق مقايسه حساسيت، ويژگي و دقت بين آنها، جهت انتخاب دقيق ترين مدل براي پيش بيني عود مجدد سرطان پستان در زنان مبتلا بوده است. در حقيقت بيان كاربرد عملي داده كاوي در حوزه سرطان پستان با استفاده از داده هاي ثبت شده در پايگاه داده است كه به فراهم كردن اطلاعات ضروري و دانش مورد نياز پزشكان در تصميم گيري بهتر كمك مي كند. مواد و روش ها: اين تحقيق در خصوص بيماران مبتلا به سرطان پستان كه حداقل هركدام به مدت دو سال تحت پيگيري بوده اند، انجام شد. اطلاعات اين بيماران در مركز تحقيقات سرطان پستان جهاد دانشگاهي براي پيگيري اقدامات درماني ثبت و بيماران حداقل به مدت دو سال پس از تشخيص، تحت نظر اين مركز بوده و پيگيري هاي بعدي براي آنها انجام شده است. به منظور توسعه مدل هاي پيش بيني جهت پيش بيني عود سرطان پستان، از درختان تصميم گيري(C5.0)، ماشين بردار پشتيبان(SVM: Support Vector Machines) و تكنيك هاي شبكه هاي عصبي مصنوعي(Artificial Neural Networks :ANNs) با بهره-گيري از پايگاه داده مذكور استفاده شده است. نتايج: بررسي هاي صورت گرفته نشان مي دهد كه دقت در سه الگوريتم داده كاوي، يعني درخت تصميم گيري، ANN و SVM به ترتيب 936/0 ،947/0 و 957/0 بوده است. بحث و نتيجه گيري: مدل طبقه بندي SVM در پيش بيني عود مجدد سرطان پستان، حداقل ميزان خطا و بيشترين دقت را داشت كه بالاتر از درخت تصميم گيري و مدل ANN بود و دقت پيش بيني در مدل درخت تصميم گيري(C5.0) نيز پايين ترين ميزان در بين سه مدل پيش بيني را نشان داد. نتايج به دست آمده حاكي از افزايش درصد صحت نتايج، با بهره گيري از روش هاي تقويت و هرس كردن بوده است.

Background: The number and size of medical databases are increasing rapidly but most of these data are not analyzed for finding the valuable and hidden knowledge. Advanced data mining techniques can be used to discover hidden patterns and relationships. Models developed from these techniques are useful for medical practitioners to make right decisions. The present research studied the application of data mining techniques to develop predictive models for breast cancer recurrence in patients who were followed-up for two years. These patients were registered in the Iranian Center for Breast Cancer (ICBC) program from 1997 to 2008. Materials and Methods: The dataset contained 1189 records, 22 predictor variables, and one outcome variable. We implemented machine learning techniques, i.e., Decision Tree (C4.5), Support Vector Machine (SVM), and Artificial Neural Network (ANN) to develop the predictive models. We used SPSS software for analyzing data and also Clementine software based on classifications method for analysis the three mentioned techniques. Results: Our analysis shows that accuracy of DT, ANN and SVM are 0.936, 0.947 and 0.957, respectively. The SVM classification model predicts breast cancer recurrence with least error rate and highest accuracy. The predicted accuracy of the DT model is the lowest of all. The results are achieved using 10-fold cross-validation for measuring the unbiased prediction accuracy of each model. Conclusion: This paper has resolved and discussed and the issues, algorithms, and techniques for the problem of breast cancer recurrence prediction. We developed and compared three well-known data mining algorithms through their sensitivity, specificity, and accuracy.This study specifically shows that the introductory results are promising for the application of the data mining methods into the recurrence prediction problem in medical databases.