علی محمدلطیف - دانشکده مهندسی برق و کامپیوتر، گروه کامپیوتر، دانشگاه یزد، یزد، ایران
محمد مومنی - دانشکده مهندسی برق و کامپیوتر، گروه کامپیوتر، دانشگاه یزد، یزد، ایران
رابعه صرام - دانشگاه علوم پزشکی شهید صدوقی یزد، یزد، ایران
مهدی آقاصرام - دانشکده مهندسی برق و کامپیوتر، گروه کامپیوتر، دانشگاه یزد، یزد، ایران

سرطان پستان یکی از شایعترین علت مرگ و میر در زنان محسوب میشود. پیشبینی صحیح سرطان پستان دارای اهمیت است. وجود علایم و ویژگی های مختلف این بیماری، تشخیص را برای پزشکان دشوار میکند. داده کاوی امکان تحلیل داده های بالینی بیماران برای تصمیم گیری های پزشکی را فراهم میکند. هدف این مقاله، ارایه یک مدل برای افزایش دقت پیشبینی سرطان پستان است.روش بررسی: در این مطالعه، پرونده پزشکی 574 بیمار مبتلا به سرطان پستان با تعداد 32 ویژگی مورد بررسی قرار گرفته است. اطلاعات بیماران از پایگاه داده استاندارد بیمارستان فوق تخصصی مرتاض یزد جمع آوری شده است. هر یک از بیماران حداقل به مدت یک سال تحت پیگیری بودهاند. به منظور ارایه مدل پیشبینی سرطان پستان از الگوریتم ژنتیک و داده کاوی استفاده میشود.یافته ها: مدل پیشنهادی با روشهای درخت تصمیم گیری، نایو بیز و نزدیکترین همسایه مورد مقایسه قرار گرفت. نتایج نشان میدهد که دقت پیشبینی مدل پیشنهادی برابر با 0/973 بوده است. همچنین برای روشهای نایو بیز، درخت تصمیم گیری و نزدیکترین همسایه دقت پیش بینی به ترتیب برابر با 0/913، 0/929 و 0/951 میباشد.نتیجه گیری: در پیشبینی سرطان پستان، مدل پیشنهادی نسبت به سایر مدلهای مورد مقایسه دارای حداقل میزان خطا و بیشترین دقت و صحت است. روش نایو بیز، حداکثر میزان خطا و کمترین دقت را دارا میباشد.

سرطان پستان، الگوریتم ژنتیک، داده کاوی، افزایش دقت پیش بینی.