پیش بینی ابتلا به سرطان حنجره با استفاده از شبکه عصبی در بیمارستان شفا در کرمان

مقدمه:یکی از چالش های علوم پزشکی، بحث تشخیص به موقع و صحیح بیماری ها می باشد. به ویژه در مورد بیماری های خاص مانند انواع سرطان، که از علل عمده مرگ ومیر در سرتاسر جهان به شمار می آیند و تشخیص زودهنگام آنها تاثیر بسزایی در کنترل و درمان این بیماری دارد. استفاده از سیستم های تصمیم یار هوشمند با دقت بالا می تواند راهکار مناسبی جهت کاهش خطاهای انسانی ناشی از خستگی و کم تجربگی باشد. لذا، مطالعه حاضر سعی دارد با استفاده از تکنیک های داده کاوی و با در نظر گرفتن متغیرهای تاثیرگذار در پیش بینی ابتلا به سرطان حنجره، به پیش بینی ابتلا به این بیماری بپردازد. روش بررسی: این مطالعه یک مطالعه تحلیلی است. داده های به کار گرفته شده از پرونده 249 مراجعه کننده که در سال 1396 به بیمارستان شفا در کرمان مراجعه نموده اند، به دست آمده است. این مطالعه براساس متدولوژی کریسپ و در محیط نرم افزار متلب به انجام رسیده است. ابتدا، به منظور درک سرطان حنجره مروری بر مطالعات مرتبط به انجام رسید و با پزشکان متخصص مصاحبه شد. سپس، با استفاده از نظر پزشکان متخصص 24 متغیر به عنوان عوامل تاثیرگذار در پیش بینی سرطان حنجره شناسایی گردید. پس از پاکسازی و آماده سازی داده ها، از مدل شبکه عصبی مصنوعی جهت پیش بینی احتمال ابتلا به سرطان حنجره استفاده گردید. در ادامه، مدل دیگری از ترکیب الگوریتم ژنتیک و شبکه عصبی ایجاد شد. بدین صورت که با استفاده از الگوریتم ژنتیک 9 ویژگی کاربردی تر در پیش بینی سرطان حنجره از میان 24 متغیر انتخابی مشخص گردید؛ و از شبکه عصبی مصنوعی جهت پیش بینی احتمال ابتلا به سرطان حنجره استفاده شد. در نهایت، معیارهای دقت، صحت، اختصاصی بودن، و حساسیت جهت ارزیابی دو مدل حاصل استفاده گردید. یافته ها: مدل حاصل از ترکیب الگوریتم ژنتیک و شبکه عصبی با کاهش تعداد ویژگی ها از 24 ویژگی به 9 ویژگی، نه تنها پیچیدگی مدل را کاهش داد، بلکه میزان دقت متوسط را نیز از 80 % به 84 % بهبود بخشید. همچنین مدل ساخته شده با ویژگی های انتخاب شده توسط الگوریتم ژنتیک، معیارهای اختصاصی بودن و صحت را نیز به ترتیب به میزان 13 % و 8 % افزایش داده است.نتیجه گیری: ترکیب الگوریتم ژنتیک با شبکه عصبی، در مقایسه با شبکه عصبی محض، علاوه بر بهبود دقت پیش بینی سرطان حنجره، باکاهش تعداد ویژگی های مورد نیاز، موجب سرعت بخشیدن به فرایند تشخیص بیماری، خصوصا در مرحله جمع آوری داده ها می گردد. لذا، استفاده از این مدل به عنوان سیستم تصمیم یار هوشمند پیشنهاد می گردد.

کلیدواژه ها:

سرطان حنجره ، تشخیص سرطان ، داده کاوی ، شبکه عصبی مصنوعی