پیش بینی بقای کلی در همبودی سرطان ها با استفاده از انتخاب ویژگی GA-ANN و جنگل چرخشی

همبودی در پزشکی، وجود یک یا چند بیماری یا اختلال، همزمان با یک بیماری یا اختلال اولیه است. همبودی در میان بیماران مبتلا به سرطان شایع است، و با افزایش سن، بیشتر نیز میشود. همبودی به طور بالقوه بر پیشرفت، مرحلهی تشخیص و درمان، ارزیابی اثربخشی درمان و همچنین بقای بیماران تاثیر میگذارد. اگرچه تحقیقات پیشین نشان داده اند که توصیه های درمانی سرطان به طور قابل توجهی می تواند بر اساس شدت همبودی تغییر کنند، اغلب مطالعات بیماریها را به صورت مجزا مورد بررسی قرار میدهند و از تاثیر همبودیها چشم پوشی میکنند. بران نشان دادن اهمیت این موضوع در این تحقیق از مجموعه داده های SEER برای ایجاد مجموعهی همبودی سرطان سینه و دستگاه تناسلی استفاده شده است و روش ترکیبی الگوریتم ژنتیک و شبکه عصبی برای انتخاب ویژگی و جنگل چرخشی برای ایجاد یک مدل پیشبینی بقا بر روی مجموعه داده ی همبودی، و مجموعه داده های سرطان سینه و دستگاه تناسلی پیشنهاد شده است. نتایج نشان میدهند که دقت مدل پیش بینی بر روی مجموعه داده همبودی بیشتر از زمانی است که مجموعه داده ی هر سرطان به صورت جداگانه مورد بررسی قرار گرفته است. در نتیجه داشتن اطلاعات بیشتر درباره ی شرایط همبودی بیماران میتواند توان پیش بینی مدل را بهبود بخشد، که به نوبه خود میتواند به پزشکان برای تصمیم گیری بهتر در رابطه با تشخیص و درمان کمک کند، هزینه های درمانی را کاهش دهد و چالش های اقتصادی مرتبط با بهداشت و سلامت را ساده تر کند.

کلیدواژه ها:

همبودی ، سرطان ، داده کاوی ، انتخاب ویژگی ، شبکه عصبی ، الگوریتم ژنتیک ، جنگل چرخشی