تحلیل داده‌های پزشکی برای تشخیص زودهنگام سرطان سینه

تحلیل داده‌های پزشکی برای تشخیص زودهنگام سرطان سینه

ساینا داوودی1

1) دانشکده مهندسی برق، دانشگاه شهید بهشتی، تهران، ایران

کد IOI مقاله : AAGF-AAGDCF
محل انتشار : نهمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی(carseconf.com/9th)
چکیده :
    تشخیص زودهنگام سرطان سینه به طور قابل توجهی شانس درمان موفقیت‌آمیز و بقای بیمار را افزایش می‌دهد. با افزایش دسترسی به پرونده‌های الکترونیکی سلامت (EHR)، داده‌های تصویربرداری و پروفایل‌های ژنومی، تکنیک‌های پیشرفته تجزیه و تحلیل داده‌ها در شناسایی علائم اولیه سرطان سینه ضروری شده‌اند. این مطالعه به بررسی ادغام روش‌های یادگیری ماشین (ML) و آماری برای تجزیه و تحلیل مجموعه داده‌های پزشکی، از جمله گزارش‌های ماموگرافی، نتایج بیوپسی و ویژگی‌های بالینی می‌پردازد. با استفاده از الگوریتم‌های یادگیری ماشین تحت نظارت مانند ماشین‌های بردار پشتیبان (SVM) و جنگل‌های تصادفی (RFs)، هدف ما افزایش دقت تشخیصی و کاهش موارد مثبت کاذب است. رویکرد پیشنهادی عملکرد امیدوارکننده‌ای را در مجموعه داده‌های موجود در دسترس عموم نشان می‌دهد و پتانسیل آن را به عنوان یک ابزار پشتیبانی تصمیم‌گیری بالینی برجسته می‌کند. نتایج ما بر اهمیت مدل‌های داده‌محور در کمک به متخصصان مراقبت‌های بهداشتی برای تشخیص زودهنگام سرطان و بهبود نتایج بیمار تأکید دارد.

کلمات کلیدی : سرطان سینه تشخیص زودهنگام تحلیل داده‌های پزشکی یادگیری ماشین پشتیبانی از تصمیم‌گیری بالینی ماموگرافی