27252

پيش‌بيني متاستاز غدد لنفاوي در بيماران مبتلا به سرطان پستان با استفاده از يادگيري ماشين (مطالعه موردي پژوهشكده سرطان معتمد جهاد دانشگاهي)

كارشناسي ارشد

مهندسي صنايع- بهينه‌سازي سيستم‌ها

1398

1401/2/31

فرناز برزين پور

رسول نورالسناء - عليرضا آتشي

مهندسي صنايع

وضعيت غدد لنفاوي يكي از عوامل مهم پيش‌آگهي براي بيماران مبتلا به سرطان پستان است. كالبد شكافي غدد لنفاوي زيربغل و نمونه‌برداري از غدد لنفاوي نگهبان، از روش‌هاي رايج براي تعيين وضعيت غدد لنفاوي در بيماران مبتلا به سرطان پستان هستند. با اين حال، اين روش‌ها، عوارض زيادي از جمله لنف ادم، درد، بي حسي، عفونت و محدوديت حركت شانه را به همراه دارند. در اين پژوهش، مدلي براي پيش‌بيني متاستاز غدد لنفاوي ايجاد شده است كه بتواند پزشكان را در تصميم‌گيري ياري كند و از نمونه‌برداري و جراحي‌هاي غيرضروري جلوگيري شود. در اين پژوهش، براي ايجاد مدل، از اطلاعات باليني و پاتولوژيك 1999 بيمار مبتلا به سرطان پستان مراجعه‌كننده به پژوهشكده سرطان پستان جهاد دانشگاهي استفاده شده است. براي پر كردن داده‌هاي از دست‌رفته، روش Miss-Forest به‌كار برده شده است. براي انتخاب ويژگي‌هاي مهم، از روش حذف بازگشتي ويژگي استفاده شده است. در نهايت با بررسي پارامترهاي مختلف براي اين روش، ويژگي‌هاي به‌دست آمده از تخمين‌گر رگرسيون لجستيك، به عنوان ويژگي‌هاي نهايي براي مدل‌سازي انتخاب شده‌اند. اين ويژگي‌ها شامل وضعيت توليد مثل، نظم قائدگي، سابقه ساير سرطان‌ها هنگام مراجعه، اندازه تومور، پاتولوژي نمونه برداري، زيرگروه سرطان پستان، وجود متاستاز دوردست هنگام مراجعه، شيمي درماني نئوادجوانت و محل تومور مي‌باشند. مدل‌هاي يادگيري ماشين مختلف، از جمله درخت تصميم، طبقه‌بندي‌كننده بيز ساده، k نزديك‌ترين همسايه، ماشين بردار پشتيبان، رگرسيون لجستيك، تحليل تشخيص خطي، جنگل تصادفي، شبكه عصبي، الگوريتم‌هاي تركيبي تقويت‌كننده، راي‌گيري كننده و انباشته‌اي براي پيش‌بيني استفاده شده است. در نهايت، بهترين نتايج مربوط به مدل تركيبي طبقه‌بندي راي‌گيري‌كننده شامل مدل‌هاي بيز ساده، تقويت گراديان شديد و پرسپترون يك لايه به‌دست آمده است. نتايج به‌دست آمده براي اين مدل، صحت برابر 0.734، حساسيت برابر 0.707، F1-score برابر 0.707 و AUC برابر 0.786 است. مدل نهايي طراحي شده در اين پژوهش، مي‌تواند استراتژي تشخيصي زود هنگام براي متاستاز غدد لنفاوي در بيماران مبتلا به سرطان پستان ارائه دهد و به عنوان يك ابزار كمكي، پزشكان و متخصصان را در تصميم‌گيري براي درمان بيماران ياري كند.

1401/08/14

Lymph Node Metastasis Prediction in Breast Cancer Patients Using Machine Learning: A Case Study of Motamed Cancer Institute

5/21/2023 12:00:00 AM

Axillary lymph node status is one of the substantial prognostic factors for patients with breast cancer. Axillary Lymph Node Dissection (ALND) and Sentinel Lymph Node Biopsy (SLNB) are the common methods to probe axillary lymph node status in breast cancer patients. However, they bring many complications, including lymphedema, pain, numbness, infection, and limited shoulder movement. In this study, a lymph node metastasis prediction model has been developed to help physicians to make informed decisions, and avoid unnecessary surgeries. the clinical and pathological information of 1999 breast cancer patients from Motamed Breast Cancer Research Institute have been used to develop the model. The Miss-Forest method is used to impute missing data. The Recursive Feature Elimination method is used to select important features. By examining various parameters of this method, the features obtained from the Logistic Regression estimator are selected as the final features for modeling. These features include reproductive status, menstrual regularity, history of other cancers, tumor size, pathology report, breast cancer subtype, presence of distant metastasis, neoadjuvant chemotherapy and tumor location. Various Machine Learning algorithms, including Decision Tree, Naive Bayes, K-Nearest Neighbor, Support Vector Machines, Logistic Regression, Linear Discriminant Analysis, Random Forest, Multilayer Perceptron, Boosting, Voting and Stacking Classifiers have been used for prediction. The best-performing model is a voting classifier, including the naïve Bayes model, XGBoost and multilayer perceptron. This model achieved a precision of 0.734, a recall of 0.707, a F1-score of 0.707 and an AUC of 0.786. This model, as a tool, can provide an early diagnostic strategy for lymph node metastasis in breast cancer patients, and help physicians and specialists in preoperative decision-making.

سرطان پستان , يادگيري ماشين , متاستاز غدد لنفاوي , پيش‌بيني

Breast cancer , Machine Learning , Lymph node metastasis , prediction

Samane Rezaeimanesh

Dr. Farnaz Barzinpoor