مقدمه: سرطان پستان یکی از شایع‌ترین انواع سرطان و شایع‌ترین نوع بدخیمی در زنان ایرانی است که اخیرا روند رو به رشدی داشته است. در مبتلایان به این بیماری همواره احتمال عود مجدد وجود دارد. عوامل زیادی میزان این احتمال را افزایش یا کاهش می‌دهند. داده‌کاوی از روش‌هایی است که در تشخیص یا پیش‌بینی سرطان‌ها به‌کار می‌رود و یکی از بیشترین کاربردهای آن، پیش‌بینی عود مجدد سرطان است.
روش: در این مطالعه گذشته‌نگر، از داده‌های 809 بیمار مبتلا به سرطان پستان و دارای هیجده ویژگی برای هر بیمار، استفاده شده است. به‌دلیل گمشدگی نسبتاً زیاد داده‌های این مجموعه، تنها اطلاعات 665 بیمار قابل استفاده بودند. به‌دلیل وجود مقادیر تهی در رکوردهای باقیمانده، این مقادیر از طریق الگوریتم EM و با استفاده از نرم‌افزار SPSS.V20، به‌عنوان یکی از فازهای پیش‌پردازش و آماده-سازی داده‌ها، تخمین زده شده و در پایان، یک مدل پیش‌آگهی عود مجدد سرطان پستان در بین بیماران با به‌کارگیری درخت J48 بر روی داده‌ها ارائه شده‌است.
نتایج: ویژگی و حساسیت مدل توسعه یافته به‌ترتیب 53 و 85 درصد بود. این مدل، تنها 14 درصد از بیماران دچار عود مجدد را به اشتباه، مستعد عود مجدد نمی‌داند.
نتیجه‌گیری: ایجاد مدل پیش‌بینی با ویژگی و حساسیت مناسب می‌تواند در مورد عود بیماری و انجام به موقع اقدامات پیشگیرانه برای جلوگیری از پیشرفت سرطان، هشدار مناسب را به بیماران بدهد. درصد منفی کاذب نیز در مدل‌های پیش‌بینی پزشکی بسیار اهمیت دارد، زیرا می‌تواند عواقب خطرناکی داشته باشد که در پژوهش حاضر این مقدار 14 درصد بوده که از لحاظ مدلینگ مقدار قابل قبولی به‌نظر می‌رسد.