کشف الگوهای پنهان در مجموعه داده های واقعی بیماران مبتلا به سرطان پستان با استفاده از تکنیک داده کاوی

روند رو به رشد سرطان پستان در سالهای اخیر، لزوم اتکا به شیوه های مطمین و جدید را برای شناسایی و کنترل این بیماری بیشتر آشکار میکند. داده کاوی یکی از این روشهاست که از پرطرفدارترین کاربردهای آن، کشف الگوهای پنهان مابین داده های بیماران در پایگاه های داده بزرگ است. در این مطالعه، پژوهشگران به بررسی و کشف الگوهای ناشناخته در یک مجموعه داده واقعی سرطان پستان میپردازند.روش بررسی: به دلیل گمشدگی بالای داده ها در 145 رکورد، تنها اطلاعات 665 بیمار قابل استفاده بود. در فاز پیشپردازش داده ها، مقادیر تهی از طریق الگوریتم EM در نرمافزار SPSS19 تخمین زده شده است. سپس فیلدهای پیوسته تبدیل به فیلدهای گسسته شده، داده ها از طریق الگوریتم APRIORI تحلیل و روابط پنهان بین این داده ها کشف شده است. پس از استخراج، روابط در اختیار پزشک خبره حوزه سرطان پستان قرار گرفته تا روابط بی معنی حذف گردند.یافته ها: تعداد 100 رابطه انجمنی با ضریب اطمینان بالاتر از 0/9 توسط الگوریتم کشف شده است. پس از این که این روابط در اختیار فرد خبره قرار گرفته، تعداد 10 رابطه از این روابط به لحاظ بالینی بامعنی تشخیص و گزارش شده اند.نتیجه گیری: در این پژوهش، تعدادی از الگوهای کمتر شناخته شده و جالب توجه یک مجموعه داده واقعی استخراج گردیده اند. استفاده از داده کاوی بخصوص در دادههای پزشکی با توجه به حجم بالای داده ها و وجود روابط ناشناخته فراوان بین علل بیماریها، مشخصات دموگرافیک بیماران و ریزفاکتورهای خطر ابتلا به بیماریها، مفید است. الگوها و مدلهای حاصل از داده کاوی، در واقع فرضیات مطالعات بعدی را مشخص می نمایند که انجام آنها از جمله انجام انواع RCTها میتوان این فرضیات را رد یا اثبات نمود