Journal of Health System Research

fa طراحی سیستم پشتیبان برای پیش‌بینی بقای بیماران مبتلا به سرطان ملانوم مبتنی بر الگوریتم‌های داده‌کاوی Designing a Support System for Predicting the Survival of Patients with Melanoma Based on Data Mining Algorithms آموزش بهداشت و ارتقاء سلامت education health and promotion پژوهشي Research <div style="text-align: justify;">مقدمه: ملانوم از جمله شایع‌ترین سرطان‌های تشخیصی و دومین علت مرگ ناشی از سرطان در میان افراد است. این بیماری، نادرترین و بدخیم‌ترین نوع سرطان پوست به شمار می‌رود و در شرایط پیشرفته، توانایی انتشار به ارگان‌های داخلی را دارد و می‌تواند منجر به مرگ شود. چندین سال است که در ایران داده‌های قابل توجهی درباره ملانوم چه به صورت دستی و چه به شکل الکترونیکی، به علت شیوع آن و هزینه‌های بالایی که بر سیستم بهداشت و درمان کشور به جای می‌گذارد، جمع‌آوری شده، اما با وجود این داده‌های ارزشمند، سیستم بهداشتی هنوز از پتانسیل بالای داده‌کاوی در پیش‌بینی بقای بیماران مبتلا به ملانوم غافل مانده است. پژوهش حاضر با هدف طراحی سیستم هوشمند برای پیش‌بینی بقای بیماران مبتلا به ملانوم انجام شد. روش‌ها: این مطالعه از نظر ماهیت، کاربردی و از نظر روش، توصیفی- تحلیلی و گذشته‌نگر بود. جامعه تحقیق را بیماران مبتلا به سرطان ملانوم پایگاه داده مرکز تحقیقات کشوری سرطان وابسته به دانشگاه شهید بهشتی، واقع در بیمارستان شهدای تجریش (بین سال‌های ۱۳۸7 تا ۱۳92) که تا ۵ سال مورد پیگیری قرار گرفته بودند (4118 نفر)، تشکیل داد. برای طراحی سیستم پشتیبان پیش‌بینی بقای سرطان ملانوم، از نرم‌افزارهای SPSS و Weka استفاده شد. مدل نهایی پیش‌بینی بقای سرطان ملانوم بر اساس شاخص‌های ارزیابی الگوریتم‌های داده‌کاوی انتخاب گردید. یافته‌ها: الگوریتم‌های شبکه عصبی، Bayes ساده، Bayesian network (BN) و ترکیب درخت تصمیم‌گیری با Bayes ساده، رگرسیون لجستیک، J48 و ID3 به ‌عنوان مدل‌های استفاده ‌شده‌ پایگاه داده کشور انتخاب شدند. بر اساس یافته‌ها، شبکه عصبی با مقدار 97/0 از لحاظ دقت و 03/91 از لحاظ ویژگی، عملکرد بهتری داشت. نتیجه‌گیری: عملکرد شبکه عصبی در همه شاخص‌های ارزیابی از لحاظ آماری نسبت به سایر الگوریتم‌های منتخب بالاتر بود. بنابراین، الگوریتم شبکه عصبی به ‌عنوان سیستم پشتیبان پیش‌بینی بقای سرطان ملانوم انتخاب گردید.  </div> <div style="text-align: justify;">Background: Melanoma is one of the most commonly diagnosed cancers and the second cause of cancer-related death among people. This disease is the rarest and most malignant type of skin cancer. In advanced conditions, it has the ability to spread to internal organs and can lead to death. In Iran, for several years, significant data about melanoma have been collected either manually or electronically, due to its prevalence and the high costs it leaves on the country's healthcare system, but despite these valuable data, the health system is still unaware of the high potential of data mining in predicting the survival of patients with melanoma. Therefore, the aim of this study was to design an intelligent system to predict the survival of these patients. Methods: This study was practical in terms of nature and descriptive-analytical and retrospective in terms of method. The research population consisted of patients with melanoma cancer from the database of the National Cancer Research Center affiliated to Shahid Beheshti University, located in Tajrish Martyrs Hospital, Tehran, Iran (between 2007 and 2012), who were followed up for 5 years (n = 4118). SPSS and Weka software were used to design the support system for melanoma cancer survival prediction. The final model for predicting melanoma cancer survival was selected based on the evaluation indices of data mining algorithms. Findings: Neural network algorithms, simple Bayes, Bayesian network (BN) and combination of decision tree with simple Bayes, logistic regression, J48, and ID3 were selected as the used models of the country's database. Based on the findings, the neural network performed better with a value of 0.97 in terms of accuracy and 91.03 in terms of features. Conclusion: The performance of the neural network in all evaluation indices was statistically higher than other selected algorithms. Therefore, this algorithm was chosen as a support system for predicting melanoma cancer survival.</div> داده‌کاوی, پیش‌بینی, ملانوم, بقای بیماری, شبکه‌های عصبی, سیستم پشتیبان Data mining, Prediction, Melanoma, Disease survival, Neural networks, Support system 160 165 http://hsr.mui.ac.ir/browse.php?a_code=A-10-512-1&slc_lang=fa&sid=1 Farinaz Sanaei فریناز صناعی daryanaz2000@gmail.com 0000-0001-6970-3116 No PhD Student, Department of Information Technology Management, School of Management and Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran دانشجوی دکتری تخصصی، گروه مدیریت فن‌آوری اطلاعات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Seyed Abdollah Amin Mousavi سید عبداله امین موسوی a.mousavi@iauctb.ac.ir 0000-0003-3357-9277 Yes Assistant Professor, Department of Industrial Management, School of Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran استادیار، گروه مدیریت صنعتی، دانشکده مدیریت، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران Abbas Toloie Eshlaghy عباس طلوعی اشلقی toloie@gmail.com No Professor, Department of Information Technology Management, School of Management and Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran استاد، گروه مدیریت فن‌آوری اطلاعات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Ali Rajabzadeh-Ghatari علی رجب‌زاده قطری alirajabzadeh@modares.ac.ir No Professor, Department of Industrial Management, School of Management and Economics, Tarbiat Modares University, Tehran, Iran استاد، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران