بهبود تشخیص بیماری سرطان پستان با استفاده از سیستم استنتاج عصبی- فازی تطبیقی

امروزه سرطان یکی از مهم­ترین عوامل مرگ ومیر در دنیا است و سرطان پستان از شایع ترین آن­ها در میان زنان می­باشد. تشخیص زودهنگام این بیماری، یکی از معضلات مهم پزشکان می باشد و نقش بسیار کلیدی در درمان موفق و حیات بیمار ایفا می­کند. در این پژوهش مدل­های مبتنی بر داده کاوی، ارائه شده و پایگاه داده آن مشتمل بر ۶۸۳ رکورد با ۹ متغیر بالینی است که از بیماران مبتلا به سرطان پستان بیمارستان ویسکانسین جمع آوری شده است و در مرجع داده UCI قابل دسترس است. تشخیص سرطان پستان در دو خوشه خوش خیم و بدخیم صورت گرفته است. در بهترین حالت خوش­خیم یا بدخیم بودن سرطان با روش های نظارت شده شبکه­های عصبی پرسپترون چندلایه (MLP)، شبکه عصبی بردار یادگیر (LVQ)، شبکه عصبی پایه شعاعی (RBF)، خوشه بندی بدون نظارت (KFC) و همچنین عصبی- فازی (ANFIS) به ترتیب دقت های ۵/۹۷ درصد، ۶/۹۷ درصد، ۳/۹۸ درصد ،۷۵ درصد، ۲/۹۹ درصد به دست آمد. تشخیص به موقع سرطان پستان، ضمن کاهش هزینه های درمانی بیمار، شانس درمان موفقیت آمیز را افزایش می­دهد. در این مطالعه ضمن تشخیص بیماری سرطان پستان، نشان داده شده است که مدل های مبتنی بر استنتاج عصبی- فازی، عملکرد قابل قبول تری نسبت به سایر روش های موردمطالعه، در تشخیص بیماری سرطان پستان دارد. مدل ارائه شده می تواند به عنوان دستیار پزشک در خدمت جامعه پزشکی قرار گیرند.