فهرست نشریات علمی دسترسی آزاد ایران

مقاله پژوهشی مقدمه: سرطان سینه، جزء سرطان‌های شایع زنان است که تشخیص بموقع آن در ادامه حیات و درمان نقش مهمی دارد. یادگیری ماشینی پتانسیل پیش‌بینی سرطان سینه را بر اساس ویژگی‌های پنهان در داده‌ها دارد. هدف اصلی این مطالعه، پیش‌بینی سرطان سینه با استفاده از الگوریتم‌های نزدیک‌ترین همسایه و ماشین بردار پشتیبان در زنان فعال بود. روش‌ها: در این مطالعه‌ی توسعه‌ای- کاربردی جمع‌آوری داده‌ها مربوط به تعداد 641 پرونده متعلق به بیماران مبتلا به سرطان سینه از بیمارستان‌های امام خمینی و پژوهشکده سرطان معتمد، طی سال‌های 1403-1393 در محدوده‌ی سنی 25 تا 75 سال بود، پس از پیش پردازش اولیه در مجموعه داده‌ها، الگوریتم‌های نزدیک‌ترین همسایه و ماشین بردار پشتیبان به کار گرفته شدند. یافته‌ها: نتایج نشان داد که الگوریتم ماشین بردار پشتیبان با دقت 87/2 درصد و صحت 86/35، حساسیت 86/88 درصد، تشخیص‌پذیری 85/68، عملکرد بهتری نسبت به الگوریتم نزدیک‌ترین همسایه برای پیش‌بینی سرطان سینه در زنان فعال داشت. نتیجه‌گیری: با استفاده از الگوریتم‌های داده‌کاوی می‌توان سیستم‌های نوینی برای کمک به پزشکان طراحی نمود که موجب تسهیل در فرایندهای تشخیصی و درمانی شود. ترکیب عوامل خطر متعدد در مدل‌سازی برای پیش‌بینی سرطان سینه می‌تواند به تشخیص زودهنگام بیماری کمک کند.