fa مقایسه مدل شبکه عصبی مصنوعی و رگرسیون پارامتری در پیش‌بینی بقای بیماران مبتلا به سرطان معده عمومى General پژوهشي Research <b>مقدمه و اهداف:</b> یکی از روش‌های تحلیل داده‌های بقا، استفاده از مدل‌های پارامتری است که در آن باید توزیع زمان بقا مشخص باشد. در چند دهه اخیر، از مدل شبکه عصبی مصنوعی نیز برای پیش‌بینی داده‌های بقا استفاده شده است. هدف این مطالعه، پیش‌بینی بقای بیماران مبتلا به سرطان معده به کمک دو مدل پارامتری و مدل شبکه عصبی مصنوعی است. <br> <b>روش کار:</b> طی سال‌های 1381 لغایت 1385، تعداد 436 بیمار مراجعه کننده با تشخیص قطعی سرطان معده که در بخش گوارش بیمارستان طالقانی تحت عمل جراحی قرار گرفتند به صورت همگروه تاریخی مطالعه شدند. داده‌ها به تصادف به دو گروه آموزشی و آزمایشی تقسیم شدند. برای تحلیل داده‌ها از یک مدل پارامتری مناسب (از بین مدل‌های نمایی، وایبول، نرمال، لگ نرمال، لجستیک و لگ لجستیک) و مدل شبکه عصبی مصنوعی سه لایه استفاده شد. برای مقایسه پیش‌بینی‌های دو مدل، از سطح زیر منحنی مشخصه عملکرد، صحت کلاس‌بندی و شاخص هماهنگی استفاده شد. <br><b>نتایج: </b>صحت پیش‌بینی مدل شبکه عصبی برابر 45/79 درصد و مدل پارامتری مناسب (وایبول) برابر 97/73 درصد گردید. سطح زیر منحنی مشخصه عملکرد برای مدل شبکه عصبی و پارامتری وایبول به ترتیب برابر 5/81 درصد و 8/74 درصد به دست آمد. <br><b>نتیجه‌گیری: </b>مدل شبکه عصبی مصنوعی نسبت به مدل پارامتری پیش‌بینی‌های بهتری نتیجه داد. لذا بکارگیری این نوع مدل‌ها در زمینه پیش‌بینی بقا پیشنهاد می‌شود. این امر در تحقیقات مرتبط با حوزه سلامت و به خصوص در تخصیص منابع درمانی لازم برای افرادیکه پرمخاطره پیش‌بینی می‌شوند بسیار با اهمیت است. <b>Background & Objective:</b> Using parametric models is common approach in survival analysis. In the recent years, artificial neural network (ANN) models have increasingly used in survival prediction. The aim of this study was to predict of survival rate of patients with gastric cancer by using a parametric regression and ANN models and compare these methods. <br><b>Methods: </b>We used the data of 436 gastric cancer patients from a cancer registry in Tehran between 2002-2007. All patients had a confirmed diagnosis. Data were randomly divided into two groups: training and testing (or validation) set. For analysis of data we used a parametric model (exponential, Weibull, normal, lognormal, logistic and log-logistic models) and a three layer ANN model. In order to compare of the prediction of two models, we used the area under receiver operating characteristic (AUROC) curve, classification table and concordance index. <br><b>Results: </b>The prediction accuracy of the ANN and the parametric (Weibull) models were 79.45% and 73.97% respectively. The AUROC for the ANN and the Weibull models were 0.815 and 0.748 respectively. <br><b>Conclusions: </b>The ANN had a better predictions than the Weibull model. Thus it is suggested to use of the ANN model survival prediction in field of cancer. تحلیل بقا،پیش‌بینی،مدل پارامتری،شبکه عصبی مصنوعی،سرطان معده Survival analysis,Prediction,Parametric model,Artificial neural network,Gastric cancer 22 27 http://irje.tums.ac.ir/browse.php?a_code=A-10-25-74&slc_lang=fa&sid=1 A Biglarian اکبر بیگلریان Yes E Hajizadeh ابراهیم حاجی زاده No A Kazemnejad انوشیروان کاظم نژاد No