Comparison of the Machine Learning Algorithms in Breast Cancer Risk Assessment with the Gail Model: Methodological Study

Amaç: Meme kanserinin; meme dokusu içiresinde yer alan süt kanallarının doku hücrelerinde oluştuğu bilinmektedir. Süt kanallarını oluşturan bu hücrelerin kontrolsüz olarak artmasına ise duktal hiperplazi denir. Bir kadında, yaşamı süresince invazif (yayılma eğilimi olan) kanseri gelişme riskinin %13,3 olduğu kanserinin oluşma riski yaşa bağlı artmaktadır. Gail modeli; kanserinde temel faktörleri değerlendiren, genel kabul görmüş kanser değerlendirme modelidir. Bu çalışmada, modeli baz alınarak, makine öğrenmesi yöntemlerinin risk değerlendirmesinde karşılaştırılması amaçlanmıştır. Gereç ve Yöntemler: İlk olarak, veri setine uygulanmış faktörü belirlenmiş %80 eğitim, %20 test olmak üzere ayrı eğitim seti oluşturulmuştur. Daha sonra oluşturulan setlerine k-en yakın komşu, yapay sinir ağları (YSA), destek vektör makinesi [support vector machine (SVM)] naive Bayes (NB) algoritmaları uygukanan yöntemlerin tahmin sonuçları karşılaştırılmıştır. Bulgular: Karşılaştırma sonuçlarına göre için sınıflandırma performansı en düşükten yükseğe doğru sırasıyla SVM [eğri altında kalan (area under the curve 'AUC') =0,911], NB (AUC=0,939) YSA (AUC=0,949) şeklindedir. Sonuç: erken aşamada teşhis edilmesi; tedavi sayısını, tedavinin başarıya ulaşma oranını hayatta kalma şansını artırmaktadır. hesaplamasında etkili görülmüştür.