پیش بینی بقای بیماران مبتلا به سرطان پستان با استفاده از دو مدل رگرسیون لجستیک و شبکه عصبی مصنوعی

در سال های اخیر، توجه قابل ملاحظه ای به مدل های آماری برای طبقه بندی داده های پزشکی با توجه به بیماری های مختلف و پیامدهای آن ها شده است. شبکه های عصبی مصنوعی به دلیل عدم نیاز به پیش فرض با موفقیت برای تشخیص الگو و پیش بینی در برخی از مطالعه های بالینی استفاده شده اند. هدف از این مطالعه، مقایسه دو مدل آماری شبکه عصبی مصنوعی و رگرسیون لجستیک برای پیش بینی بقای بیماران مبتلا به سرطان پستان است.
دو مدل برای داده های ثبت سرطان کرمان، جنوب شرق ایران، برای پیش بینی بقای هر بیمار به کار برده شدند. داده های مورد استفاده در این مطالعه شامل 712 بیمار مبتلا به سرطان پستان در گروه سنی 85-15 سال بود. برای مقایسه پیش بینی بقا در داده های یاد شده، از مدل رگرسیون لجستیک و مدل شبکه عصبی مصنوعی پرسپترون سه لایه استفاده شد.
برای مقایسه و تعیین تفاوت دو مدل، از حساسیت، ویژگی، صحت پیش بینی و سطح زیر منحنی مشخصه عملکرد (ROC) (Receiver Operative Characteristics) استفاده گردید.
در این مطالعه، حساسیت و ویژگی دو مدل رگرسیون لجستیک و شبکه عصبی مصنوعی به ترتیب (0.594، 0.70) و (0.621، 0.723) به دست آمد. هم چنین صحت و سطح زیر منحنی راک به ترتیب (0.688، 0.725) و (0.70، 0.725) برای دو مدل رگرسیون لجستیک و شبکه عصبی پرسپترون بود.
یافته ها نشان می دهند اگرچه تفاوت کمی در دو مدل وجود دارد، اما در این گونه داده ها برای پیش بینی بقای بیماران مبتلا به سرطان پستان، مدل شبکه عصبی مصنوعی ابزار مناسب تری می باشد.