مقاله

آینده پژوهی در سلامت: انتخاب بهترین مدل هوشمند مبتنی بر داده کاوی برای پیش بینی و تشخیص سرطان کبد در مراحل اولیه

فائزه افضلی، faezeh afzali زهره حیدری، zohreh heidari میترا منتظری، mitra montazeri لیلا احمدیان، leila ahmadian ph.d. in medical informatics, associate professor, medical informatics research center, institute for futures studies in health, kerman university of medical sciences, kerman, iran.دکترای تخصصی انفورماتیک پزشکی، دانشیار، مرکز تحقیقات انفورماتیک پزشکی، پژوهشکده آینده پژوهی در سلامت، دانشگاه علوم پزشکی کرمان، کرمان، ایران. محمد جواد زاهدی، mohammad javad zahedi

چکیده

مقدمه: سرطان اولیه کبد hcc)) پنجمین سرطان شایع در دنیا و سومین عامل مرگ و میر در جهان می­باشد. علائم سرطان کبد پس از بروز به سرعت پیشرفت کرده و در صورت عدم تشخیص به موقع متأسفانه بقای عمر بیمار بسیار کم می­ گردد. یکی از مشکلات اصلی پیش روی متخصصین گوارش، پیش بینی و تشخیص زود هنگام سرطان کبد است. داده کاوی از روش­هایی است که در این زمینه مورد استفاده واقع می­ گردد. هدف از انجام این مطالعه معرفی بهترین مدل هوشمند مبتنی بر داده کاوی برای پیش­ بینی و تشخیص سرطان کبد در مراحل اولیه می­باشد. روش: در مقاله حاضر با استفاده از روش مطالعه گذشته نگر، پرونده 516 بیمار مبتلا به سرطان کبد اولیه و ثانویه و 22 ریسک فاکتور، از هر بیمار، مورد بررسی قرار گرفت. داده ­های جمع ­آوری شده با استفاده از 5 مدل داده کاویvfi classifier ،regression classifier ،hyperpipes classifier ، functional trees with logistic regression و meta muti class classifier تحلیل شدند. این مدل­ها با یکدیگر مقایسه شدند. نتایج: دقت، ویژگی، حساسیت و سطح زیر منحنی rocمـدل vfi classifier به تـرتیب 71/29%، 49%، 50% و 63/31% می­ باشد و این مدل به عنوان بهترین مدل هوشمند مبتنی برداده کاوی برای پیش بینی و تشخیص سرطان کبد در مراحل اولیه شناخته شد. نتیجه ­گیری: در صورتی که مدل داده­ کاوی vfi classifier به صورت صحیح طراحی شود، می­تواند سرطان کبد را پیش بینی نماید یا آن را در مراحل اولیه تشخیص دهد.

اسناد مشابه