پیشبینی زمان بقا عاری از بیماری تهاجمی در بیماران مبتلا به سرطان پستان با بهکارگیری روشهای یادگیری ماشین نیمه نظارتی مبتنی بر گراف
نویسندگان
1 پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری، تهران، ایران
2 دانشکده مهندسی برق و کامپیوتر، دانشکدگان فنی، دانشگاه تهران، تهران، ایران.
3 گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
4 گروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
doi
10.22052/scj.2022.243330.1039چکیده
سرطان پستان در حال حاضر شایعترین سرطان تشخیصداده شده و علت اصلی مرگ و میر ناشی از سرطان در زنان در سراسر جهان است. در سالهای اخیر در حوزه مطالعات سرطان پستان و روند درمان این بیماری، تحلیل زمان بقای بیماران مبتلا، بسیار مورد توجه بوده است. انتخاب مدل مناسب برای تحلیل زمان بقا چالش اصلی در تحلیل بقا این بیماران است. در این پژوهش کاربردی به کمک روشهای یادگیری ماشین نیمه نظارتی مبتنی بر گراف، مدلی برای تحلیل بقا بیماران مبتلا به سرطان پستان پیشنهاد شده است. اطلاعات بالینی و فارماکوژنومیکی، به همراه نتایج مصرف داروی تاموکسیفن در فرایند درمان سرطان تهاجمی مربوط به ۳۸۳۳ بیمار مبتلا به سرطان پستان که در بازه ۵ سال تحت پیگیری بودهاند، مورد استفاده قرار گرفته است. همچنین با شبیهسازی مدلها در نرمافزار متلب، عملکرد مدل پیشنهادی در تخمین زمان بقای عاری از بیماری تهاجمی و سایر پارامترهای بقا با مدلهای رایج تحلیل بقا، مورد ارزیابی قرار گرفته است. نتایج نشان میدهد که با بهکارگیری مدل پیشنهادی تحلیل بقا در پیشبینی زمان بقا عاری از سرطان پستان تهاجمی و همچنین استفاده ترکیبی از ویژگیهای بالینی و فارماکوژنومیکی، دقت پیشبینی ۱۴ درصد بیشتر از زمانی بود که فقط از ویژگیهای بالینی استفاده شد و ۱۵ درصد بیشتر از زمانی بود که فقط ویژگیهای فارماکوژنومیکی به کار گرفته شد. علاوه بر این، مدل پیشنهادی تحلیل بقا در پیشبینی زمان بقا عاری از بیماری تهاجمی و پارامتر نسبت خطر در مقایسه با مدلهای رایج تحلیل بقا دقت بالاتری داشته است.