طراحی یک سیستم تصمیم‌گیری گروهی با ترکیب فازی روش‌های رگرسیون در پیش‌بینی خوش‌خیم یا بدخیم بودن تومورهای پستان

مقدمه: در تحقیقات سرطان، تشخیص زودهنگام سرطان پستان بر پیش‌آگهی و طول عمر بیمار تأثیرگذار است. روش‌های هوش مصنوعی و داده‌کاوی ازجمله روش‌های پیش‌بینی هستند که در این مورد می‌توانند کمک‌کننده باشد. هدف از این مقاله طراحی و ارزیابی یک سیستم جدید تشخیص خودکار کامپیوتری جهت پیش‌بینی نوع توده پستان با استفاده از ترکیب فازی روش‌های رگرسیون است. روش بررسی: در این مطالعه توصیفی- تحلیلی یک سیستم تصمیم‌گیری گروهی با ترکیب روش‌های رگرسیون PCA، RSM و SVR-Firefly به‌منظور ‌پیش‌بینی نوع توده‌ پستان اعم از تومور خوش‌خیم یا بدخیم طراحی‌شده است. به‌منظور ارزیابی سیستم طراحی‌شده از مجموعه داده مربوط به بیماران مبتلا به سرطان پستان بیمارستان ویسکانسین موجود در انبار داده یادگیری ماشین استفاده ‌شده است. داده‌های ورودی پس از پیش‌پردازش به‌صورت تصادفی به دو دسته داده آموزش و آزمون تقسیم شد. سپس با هر یک از روش‌های رگرسیون ذکرشده مورد آموزش و آزمون قرار گرفت. درنهایت خروجی این روش‌ها با رویکردهای رأی‌گیری فازی و میانگین‌گیری فازی ترکیب شد. سیستم تصمیم‌گیری گروهی پیشنهادی با نرم‌افزار MATLAB شبیه‌سازی‌ شده است. یافته‌ها: این مطالعه بر 683 مورد زن مبتلا به سرطان پستان انجام شد که از این تعداد 444 نمونه دارای تومور خوش‌خیم و 239 نمونه دارای تومور بدخیم می‌باشد. برای هر مورد از 9 متغیر بالینی به‌عنوان ورودی استفاده شد. عملکرد سیستم تصمیم‌گیری گروهی طراحی‌شده بر اساس شاخص‌های صحت، دقت، حساسیت و اختصاصیت در مرحله آزمون در حالت متوسط با روش رأی‌گیری فازی معادل اعداد 9832/0، 9588/0، 9900/0 و 9832/0 و در روش میانگین‌گیری فازی معادل اعداد 9820/0، 9524/0، 9929/0 و 9804/0 به دست آمد. درحالی‌که این شاخص‌ها در بهترین حالت با هر دو روش معادل عدد یک به دست آمد. نتیجه‌گیری: بالا بودن شاخص‌های عملکردی سیستم تصمیم‌گیری گروهی در این مقاله نشان داد که سیستم پیشنهادی عملکرد مناسبی در پیش‌بینی خوش‌خیم یا بدخیم بودن توده‌های پستان دارد. تعیین دقیق نوع توده می‌تواند در انتخاب روش درمانی مناسب به پزشک کمک کند و از پیشروی این سرطان جلوگیری کند. همچنین نرم‌افزار طراحی‌شده بر اساس شبیه‌سازی این مقاله می‌تواند در آموزش پزشکان به کار رود.