طراحی سیستم تصمیم یار هوشمند برای تشخیص بیماری از تصاویر ماموگرافی به کمک نظریه بیز

ماموگرافی آزمایش تصویری بسیار حیاتی ای در مورد سرطان سینه شمرده می شود، چراکه تشخیص زودهنگام آن موثرترین عامل در کاهش نرخ مرگ و میر ناشی از این بیماری است. تفسیر تصاویر حاصل از ماموگرافی و اتخاذ تشخیص درست، کاری بس دشوار و بحث برانگیز است. میزان درستی تشخیص ماموگرافی با توجه به تجربه کاری رادیولوژیستی که تصویر را تفسیر می کند، متغیر است و در نتیجه تفاوت قابل ملاحظه ای در سطح کارایی این آزمایش می تواند به وجود آید. رادیولوژیست هایی که تصاویر ماموگرافی را مورد بررسی قرار می دهند، می بایستی عدم قطعیت حاصله از انبوه یافته ها را در ارزیابی و تشخیص خود اعمال نمایند. ما معتقدیم بسیاری از این اختلافات در سطح کارایی تشخیص ماموگرافی ناشی از ارزیابی متفاوت ذهنی رادیولوژیست ها در بررسی و اعمال همین عدم قطعیت ها است. ما برای مدل سازی روابط احتمالی میان سرطان سینه، یافته های ماموگرافی و فاکتورهای ریسک بیمار، از شبکه بیز استفاده می کنیم. ارزیابی هایی بر روی تعدادی از بیماران بیمارستان امام خمینی که تایید بیوپسی آنها برای تشخیص موجود بوده است انجام داده ایم. مدل ارایه شده برای روشن کردن تصمیم درباره لزوم بیوپسی ناهنجاریهای دیده شده در ماموگرافی مفید به نظر می رسد و همچنین می تواند به رادیولوژیست برای ارتباط دادن بین یافته های امراض بافتی و ناهنجاری های ماموگرافی مشاهده شده کمک کند و کارایی کلی تفسیر در ماموگرافی را بالا ببرد.