23446

پيش بيني كيفيت زندگي بيماران مبتلا به سرطان پستان با استفاده از روش هاي مبتني بر يادگيري ماشين

كارشناسي ارشد

مهندسي صنايع

97-99

1399/12/25

جناب آقاي دكتر رسول نورالسنا

جناب آقاي دكتر كامران حيدري

مهندسي صنايع

در حال حاضر ابتلا به سرطان¬ يكي از مسائل مهم و اصلي حوزه¬ي بهداشت و درمان در ايران و تمام دنيا مي¬باشد. يكي از شايع¬ترين سرطان¬ها در ميان زنان، سرطان پستان است. در سال¬هاي اخير، بهبود روش-هاي پيشگيري و تشخيص و همچنين پيشرفت¬ در انواع روش¬هاي درمان منجر به افزايش تعداد بازماندگان سرطان شده است. در نتيجه اين افراد مدت زمان بيشتري با اين بيماري و عوارض آن دست به گريبان هستند. از اين رو، با توجه به عوارض جسمي و رواني ايجاد شده، انجام اقداماتي در جهت شناخت و پيش-بيني كيفيت زندگي مبتلايان به اين نوع سرطان ضروري به نظر مي¬رسد. لذا، هدف اين تحقيق پيش¬بيني دو بعد جسمي و ذهني كيفيت زندگي زنان مبتلا به سرطان پستان توسط ابزارهاي يادگيري ماشين مي¬باشد. بدين منظور، داده¬هاي جمع¬آوري شده مربوط به 203 بيمار مبتلا به سرطان پستان در يك مركز درماني كه هر يك پرسشنامه 36-SF را جهت ارزيابي كيفيت زندگي تكميل كرده ¬بودند، مورد مطالعه و ارزيابي قرارگرفته¬ ¬شده ¬است. براي پيش¬بيني ابعاد كيفيت زندگي اين بيماران از سه مدل جنگل تصادفي، تقويت گراديان و رگرسيون پشته¬اي استفاده ¬شده ¬است. پس از بررسي اطلاعات مرتبط با هر بيمار و انتخاب متغيرهاي مستقل جهت پيش¬بيني متغيرهاي وابسته و پيش¬پردازش داده¬ها، اين مدل¬ها بوسيله‌ي زبان برنامه¬ نويسي پايتون و كتابخانه‌هاي يادگيري ماشين بر روي مجموعه داده¬ي آموزش و آزمون برازش شده و ميانگين قدر مطلق خطا براي هر يك محاسبه شده¬ است. ميانگين خطاي مربوط به پيش¬بيني بعد جسمي بيماران براي مدل¬هاي جنگل تصادفي، تقويت گراديان و رگرسيون پشته-اي به ترتيب 77/11، 09/11 و 13 و براي بعد ذهني 11/12، 52/11 و 73/10 مي¬باشند. خطاهاي بدست آمده نسبي هستند اما از آن جايي كه شاخص كيفيت زندگي عددي پيوسته بين بازه 0 تا 100 مي¬باشد، مقدار خطا بدست آمده نسبت به بازه تغييرات اين شاخص قابل قبول است. در مطالعات پيشين استفاده از ابزارهاي يادگيري ماشين براي پيش¬بيني ابعاد كيفيت زندگي زنان مبتلا به سرطان پستان بسيار كم مورد توجه قرار گرفته¬¬ است. در نتيجه، از آن ¬جايي كه مدل¬ها و روش¬هاي اتخاذ شده در اين مطالعه تاكنون پيرامون اين موضوع استفاده نشده¬اند و تحقيقات مشابه در اين زمينه تنها از ساده¬ترين مدل شبكه عصبي يعني شبكه عصبي با يك لايه پنهان استفاده¬ كرده¬اند، موضوع اين پژوهش جديد بوده و با توجه به شرايط ذكر شده، نتايج بدست آمده از ارزش علمي قابل توجهي برخوردار است.

1400/01/28

Predicting the quality of life of breast cancer patients using machine learning based methods

1/1/1900 12:00:00 AM

Currently, cancer is one of the most important health issues in Iran and around the world. One of the most common cancers among women is breast cancer. Improvements in prevention and diagnosis, as well as advances in a variety of treatments, have led to an increase in the number of cancer survivors. As a result, these people spend more time with the disease and its complications. Therefore, considering the physical and psychological complications, it seems necessary to take measures to identify and predict the quality of life of patients with this type of cancer. Therefore, the purpose of this study is to predict the physical and mental dimensions of quality of life of women with breast cancer by machine learning tools. For this purpose, the collected data of 203 breast cancer patients in a medical center, who each completed the SF-36 questionnaire to assess quality of life, were studied and evaluated. To predict the dimensions of quality of life in these patients, three models of random forest, extreme gradient boosting and stacking regression have been used. After reviewing the information related to each patient and selecting independent variables to predict the dependent variables and data pre-processing, these models were fitted by Python software on the training and test data set and the mean absolute error for each is calculated. The mean errors related to predicting the physical dimension of patients for the three named models are 11.77, 11.09 and 13, respectively, and for the mental dimension are 12.11, 11.52 and 10.73. The errors obtained are relative, but since the quality of life index is a continuous variable between 0 and 100, the amount of error is acceptable. In previous studies, the use of machine learning tools to predict the quality of life of women with breast cancer has received very little attention. As a result, since the models and methods adopted in this study have not been used yet, and similar researches in this field use only the simplest neural network model, the subject of this study is novel and according to the conditions mentioned, the obtained results have scientific value

سرطان پستان , كيفيت زندگي , جنگل تصادفي , تقويت گراديان , رگرسيون پشته اي

Breast Cancer , Quality of Life , Random Forest , Gradient Boosting , Stacking Regression