مجله انفورماتیک سلامت و زیست پزشکی

مقدمه: سرطان اولیه کبد HCC)) پنجمین سرطان شایع در دنیا و سومین عامل مرگ و میر در جهان می­باشد. علائم سرطان کبد پس از بروز به سرعت پیشرفت کرده و در صورت عدم تشخیص به موقع متأسفانه بقای عمر بیمار بسیار کم می­ گردد. یکی از مشکلات اصلی پیش روی متخصصین گوارش، پیش بینی و تشخیص زود هنگام سرطان کبد است. داده کاوی از روش­هایی است که در این زمینه  مورد استفاده واقع می­ گردد. هدف از انجام این مطالعه معرفی بهترین مدل هوشمند مبتنی بر داده کاوی برای پیش­ بینی و تشخیص سرطان کبد در مراحل اولیه می­باشد.

روش: در مقاله حاضر با استفاده از روش مطالعه گذشته نگر، پرونده ۵۱۶ بیمار مبتلا به سرطان کبد اولیه و ثانویه و ۲۲ ریسک فاکتور، از هر بیمار، مورد بررسی قرار گرفت. داده ­های جمع ­آوری شده با استفاده از ۵ مدل داده کاویVFI Classifier ،Regression Classifier ،HyperPipes Classifier ، Functional trees with logistic regression  و  Meta Muti Class Classifier تحلیل شدند. این مدل­ها با  یکدیگر مقایسه شدند.

نتایج: دقت، ویژگی، حساسیت و سطح زیر منحنی  Rocمـدل VFI Classifier به تـرتیب  ۷۱/۲۹%،  ۴۹%،  ۵۰% و ۶۳/۳۱% می­ باشد و  این مدل به عنوان بهترین مدل هوشمند مبتنی برداده کاوی برای پیش بینی و تشخیص سرطان کبد در مراحل اولیه شناخته شد.

نتیجه ­گیری: در صورتی که مدل داده­ کاوی VFI Classifier به صورت صحیح طراحی شود، می­تواند سرطان کبد را پیش بینی نماید یا آن را در مراحل اولیه تشخیص دهد.