لیلا قاسم احمد - کارشناس ارشد مدیریت فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران

پیش بینی تشخیص، بقا و عود بیماران مبتلا به سرطان پستان، همواره از چالش های مهم برای محققین و پزشکان بوده است. امروزه به مدد علوم بیوانفورماتیک، امکان رفع این چالش ها با بهره گیری از اطلاعات قبلی ثبت شده از بیماران تا حدود زیادی محقق Downloaded from ijbd.ir at 14:17 +0330 on Monday January 21st 2019 می گردند و به کمک تجزیه و تحلیل بهتر آنها، این حجم عظیم از داده ها به صورتی کار آمد و موثرتر پردازش می شوند. هدف اصلی این مقاله معرفی تعدادی از الگوریتمهای پرکاربرد و شناخته شده داده کاوی در سرطان پستان است. روش بررسی: الگوریتم های داده کاوی، مدل های بهینه ای هستند که در پیش بینی تشخیص، بقا و عود سرطان پستان به کار رفته و دقت قابل توجهی از خود نشان داده اند. نتایج حاصل از این الگوریتم ها، نه تنها به پزشکان در تصمیم گیری بهتر کمک می کند بلکه باعث آشکار شدن برخی از الگوهای پنهان و ناشناخته میشود که شاید توجه خاصی به آنها معطوف نبوده است. این الگوریتم ها شامل: شبکه های عصبی مصنوعی (Artificial Neural Networks / ANNs )، درختان تصمیم گیری (Decision Trees)، شبکه های بیزی (Bayes Nets)، بیزی ساده (Naive Bayes)، رگرسیون لجستیک (Logistic Regression)، بردار پشتیبان ماشین (Support Vector Machine) و روش های ترکیبی درختان تصمیم و شبکه های بیزی (Decision Tree with Naive Bayes) هستند. از این الگوریتم ها، برای دسته بندی، خوشه بندی، یادگیری آماری که مهم ترین روشهای داده کاوی هستند، استفاده میشود یافته ها: در این مقاله، 7 الگوریتم برتر داده کاوی در پیش بینی بقا، تشخیص و عود بیماران مبتلا به سرطان پستان معرفی می گردند و با معرفی هر الگوریتم، پیشینه ای از تحقیقات صورت گرفته در سرطان پستان به کمک الگوریتم مورد نظر، نتایج حاصل از آن و همچنین معمولا نتایج بهتر و دقیق تری در زمینه دقت، حساسیت و ویژگی ارایه کرده اند. نتیجه گیری: موفقیت این الگوریتم ها، به فاکتورهای متعددی چون وجود متغیرهای مورد نیاز، بزرگتر بودن پایگاه داده، کم بودن تعداد داده های مفقوده و دسترسی به داده های صحیح و درست بستگی دارد.

سرطان پستان، الگوریتم های داده کاوی، پیش بینی، شبکه های عصبی مصنوعی، درختان تصمیم گیری، شبکه های بیزی، رگرسیون لجستیک، بردار پشتیبان ماشین