जीनोमिक्स और प्रोटिओमिक्स में डेटा माइनिंग जर्नल

अमूर्त

सोकोटो उत्तरपश्चिमी नाइजीरिया में निर्णय वृक्ष एल्गोरिथ्म का उपयोग करके स्तन कैंसर मेटास्टेसिस की भविष्यवाणी करने में मशीन लर्निंग तकनीकों का अनुप्रयोग

अब्दुलरहमान ए. मूसा, उस्मान मलामी अलियू

कैंसर पर शोध के लिए अंतर्राष्ट्रीय एजेंसी के अनुसार, 2018 में निदान किए गए नए मामलों (लगभग 2.1 मिलियन) की संख्या के मामले में महिला स्तन कैंसर दुनिया भर में कैंसर का प्रमुख प्रकार था।

किसी बीमारी के परिणाम की भविष्यवाणी करना एक चुनौतीपूर्ण कार्य है। डेटा माइनिंग तकनीक भविष्यवाणी खंड को सरल बनाती है। स्वचालित उपकरणों ने बड़ी मात्रा में चिकित्सा डेटा एकत्र करना संभव बना दिया है, जो चिकित्सा अनुसंधान समूहों को उपलब्ध कराया जाता है। इस अध्ययन का उद्देश्य देर से आने वाले रोगियों में कैंसर मेटास्टेसिस की संभावना की भविष्यवाणी करने में मॉडल के प्रदर्शन का मूल्यांकन करने के लिए निर्णय तीन वर्गीकरण और वर्णनात्मक सांख्यिकी का उपयोग करके मशीन लर्निंग एल्गोरिदम को लागू करना था।

सामग्री और विधि: स्तन कैंसर रोग डेटासेट नाइजीरिया के सोकोतो राज्य के उस्मानु दानफोडियो यूनिवर्सिटी टीचिंग हॉस्पिटल के रेडियोथेरेपी और ऑन्कोलॉजी विभाग से लिया गया है। डेटासेट में 259 उदाहरण और 10 विशेषताएँ हैं। इस अध्ययन के प्रायोगिक परिणामों में IMB SPSS (संस्करण 23) सॉफ़्टवेयर वातावरण में निर्णय तीन क्लासिफायर का उपयोग किया गया। प्रयोग में, दो वर्गों का उपयोग किया गया था और इसलिए 2 × 2 भ्रम मैट्रिक्स लागू किया गया था। वर्ग 0 = मेटास्टेसाइज्ड नहीं, वर्ग 1 = मेटास्टेसाइज्ड। हमने पर्यवेक्षित मशीन लर्निंग दृष्टिकोण लागू किया जिसमें डेटासेट को दो वर्गों में विभाजित किया गया था जो 10 गुना क्रॉस वैलिडेशन का उपयोग करके प्रशिक्षण और परीक्षण है।

परिणाम: स्तन कैंसर के 259 मामलों में से 218 (84.2%) मामले मेटास्टेसाइज्ड नहीं थे, जबकि 41 (15.8%) मामले शरीर के अन्य क्षेत्र में मेटास्टेसाइज्ड थे। मॉडल की समग्र सटीकता 87% पाई गई, जिसमें संवेदनशीलता 88%, विशिष्टता 75% और सटीकता 98% थी।

निष्कर्ष: इन निष्कर्षों के आधार पर, निर्णय तीन क्लासिफायर का उपयोग करते हुए मशीन लर्निंग एल्गोरिदम ने भविष्यवाणी की कि 87% ट्यूमर चरण IV में प्रस्तुत होता है, जो दर्शाता है कि ट्यूमर शरीर के अन्य क्षेत्र में फैल सकता है।