روش ترکیبی جدید مبتنی بر تکنیکهای یادگیری ماشینی برای تشخیص خطر سرطان معده

یادگیری ماشین در سالهای اخیر با توجه به تواناییاش در تجزیه و تحلیل کلان داده ها، به یکی از پایه های ا سا سی تجزیه و تحلیل داده های پز شکی تبدیل شده ا ست. یکی از کاربردهای یادگیری ما شین، پیشبینی زودهنگام بیماری سرطان به ویژه سرطان معده ا ست که به عنوان پنجمین سرطان شایع در سراسر جهان شناخته می شود. سرطان معده یکی از بیماریهای خطرناک و پیشرفته است که تشخیص زودهنگام آن میتواند درمان موثرتری را برای بیمار فراهم کند. با استفاده از یادگیری ماشین و تحلیل دقیق داده های بالینی، میتوان الگوها و ویژگیهای مربوط به سرطان معده را شناسایی و مدلهای پیشبینی را برای تشخیص زودهنگام این بیماری به عنوان یک روش تشخیص غیرتهاجمی توسعه داد. در این راستا، در این مقاله یک روش جدید مبتنی بر یادگیری ماشین ترکیبی برای پیشبینی سرطان معده بر اساس داده های بالینی پیشنهاد شده است. بر اساس نتایج بدست آمده، مدل پیشنهادی میتواند سرطان معده را با دقت 98 درصدی درست پیشبینی کند که نسبت به سایر روش های موجود از دقت نسبتا بالاتری برخوردار است. همچنین بر ا ساس ویژگیهای ا ستخراج شده میتوان نتیجه گرفت که سرطان معده یکی از مهمترین پیامدهای عفونت هلیکوباکتر پیلوری ا ست. در نتیجه سبببک زندگی و رژیم غذایی نامناسبب میتوانند خطر ابتلا به سببرطان معده را به ویژه در افرادی که به طور مکرر غذاهای سببرش شببده مصببر میکنند و از گا ستریت آتروفیک مزمن و زخم معده رنج میبرند، افزایش دهد. م صر محدود میوه و سبزیجات و م صر زیاد زیاد نمک این احتمال را تشدید میکند.