پیش‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎بینی بقای بیماران مبتلا به سرطان پستان با استفاده از دو مدل رگرسیون لجستیک و شبکه عصبی مصنوعی

مقدمه و اهداف: در سال‎های اخیر، توجه قابل ملاحظه‎ای به مدل‎های آماری برای طبقه‎بندی داده‎های پزشکی با توجه به بیماری‎های مختلف و پیامدهای آن‎ها شده است. شبکه‎های عصبی مصنوعی به دلیل عدم نیاز به پیش فرض با موفقیت برای تشخیص الگو و پیش‎بینی در برخی از مطالعه های بالینی استفاده شده‎اند. هدف از این مطالعه، مقایسه دو مدل آماری شبکه عصبی مصنوعی و رگرسیون لجستیک برای پیش بینی بقای بیماران مبتلا به سرطان پستان است.روش کار: دو مدل برای داده‎های ثبت سرطان کرمان، جنوب شرق ایران، برای پیش بینی بقای هر بیمار به کار برده شدند. داده‎‎‎‎‎‎‎های مورد استفاده در این مطالعه شامل 712 بیمار مبتلا به سرطان پستان در گروه سنی 85-15 سال بود. برای مقایسه پیش بینی بقا در داده‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎های یاد شده، از مدل رگرسیون لجستیک و مدل شبکه عصبی مصنوعی پرسپترون سه لایه استفاده شد. برای مقایسه و تعیین تفاوت دو مدل، از حساسیت، ویژگی، صحت پیش‎بینی و سطح زیر منحنی مشخصه عملکرد (roc) (receiver operative characteristics) استفاده گردید.نتایج: در این مطالعه، حساسیت و ویژگی دو مدل رگرسیون لجستیک و شبکه عصبی مصنوعی به ترتیب (594/0 و 70/0) و (621/0 و 723/0) به دست آمد. هم چنین صحت و سطح زیر منحنی راک به ترتیب (688/0و 725/0) و (70/0و 725/0) برای دو مدل رگرسیون لجستیک و شبکه عصبی پرسپترون بود.نتیجه‏گیری: یافته‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎ها نشان می‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎دهند اگرچه تفاوت کمی در دو مدل وجود دارد، اما در این‎گونه داده‎ها برای پیش‎بینی بقای بیماران مبتلا به سرطان پستان، مدل شبکه عصبی مصنوعی ابزار مناسب تری می باشد.