کسری دولت خواهی، عادل آذر، تورج کریمی، محمد هادیزاده،
دوره ۱۵، شماره ۴ - ( ۷-۱۴۰۰ )
چکیده
زمینه و هدف: سرطان و به‌طور جزیی سرطان پستان در زمره بیماری‌هایی به‌شمار می‌روند که در ایران پس از بیماری‌های قلبی بیشترین آمار مرگ ومیر را به خود اختصاص داده است. پیش‌بینی صحیح سرطان پستان دارای اهمیت است و وجود علایم و ویژگی‌های مختلف این بیماری، تشخیص را برای پزشکان دشوار می‌کند. هدف این پژوهش، شناسایی عوامل موثر بر سرطان پستان و تشخیص احتمال ابتلا به سرطان پستان است.
روش بررسی: در مطالعه‌ی حاضر، ابتدا به روش تحلیل محتوا و مطالعات کتابخانه‌ای، عوامل تاثیرگذار در ابتلا به سرطان پستان شناسایی شده سپس با همراهی تیم خبرگان مشتمل بر پزشکان متخصص و یا دارای فوق‌تخصص سرطان‌شناسی و جراحی پستان با کمک روش دلفی، تعدیل گردیده و ۲۶ عامل نهایی که به‌صورت عددی صحیح و رشته‌ای بودند براساس شرایط بومی و اقلیمی تایید شدند. در ادامه و با توجه به عوامل نهایی و براساس پرونده پزشکی ۵۲۰۸ بیمار در مرکز تحقیقات سرطان دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید‌بهشتی به منظور تشخیص ابتلا به سرطان از روش‌های درخت تصمیم (Decision Tree)، جنگل تصادفی (Random Forest) و ماشین‌بردار پشتیبان (Support Vector Machine) به‌عنوان روش‌های یادگیری ماشین بهره گرفته شد.
یافته‌ها: در گام نخست و با روش تحلیل محتوا، ۲۹ عامل تاثیرگذار در ابتلا به سرطان پستان شناسایی شد. در ادامه و با در نظر گرفتن شرایط بومی و اقلیمی و با استفاده از روش دلفی و با بهره‌گیری از نظرات ۱۸ خبره در طی سه دوره، ۲۶ عامل تعدیل و نهایی شد. در گام نهایی و با استفاده از پرونده پزشکی مراجعه‌کنندگان که در طی ۳ سال گردآوری شده و معیارهای استخراج‌شده از سه روش ذکر شده، جنگل تصادفی، بیشترین دقت به میزان ۹۴/۷۵% و صحت ۹۷/۲۶% را در تشخیص ابتلا به سرطان پستان به خود اختصاص داد، که این میزان در قیاس با سایر پژوهش‌های مشابه که از پایگاههای داده بومی بهره گرفته‌اند، دقت‌های به‌دست آمده بسیار نزدیک به کارهای پیشین بوده و در بعضی موارد نیز دقت بهتری داشته است.
نتیجه‌گیری: با استفاده از روش جنگل تصادفی و با بهره‌گیری از عوامل تاثیرگذار بر سرطان پستان، قابلیت تشخیص ابتلا به سرطان با بیشترین دقت فراهم شده است.
