%0 Journal Article %A Sadeghi, Setayesh %A Golabpour, Amin %T An Algorithm for Predicting Recurrence of Breast Cancer Using Genetic Algorithm and Nearest Neighbor Algorithm %J Journal of Health and Biomedical Informatics %V 6 %N 4 %U http://jhbmi.ir/article-1-366-fa.html %R %D 2020 %K Breast Cancer Recurrence, Genetic Algorithm, Nearest Neighbor Algorithm, %X مقدمه: بیماری سرطان پستان یکی از شایع‌ترین انواع سرطان و شایع‌ترین نوع بدخیمی در زنان است که در سال‌های اخیر روند رو به رشدی داشته است. در مبتلایان به این بیماری همواره احتمال عود مجدد وجود دارد. عوامل زیادی میزان این احتمال را کاهش یا افزایش می‌دهند. داده‌کاوی از روش‌هایی است که در تشخیص یا پیش‌بینی سرطان‌ها به کار می‌رود و یکی از بیشترین کاربردهای آن، پیش‌بینی عود مجدد سرطان پستان است. روش: در این مطالعه گذشته­نگر از داده­های 699 بیمار مبتلا به سرطان پستان با 14 ویژگی استفاده ­شد که از این تعداد 458 نفر (66 درصد) سرطان آن‌ها عود نکرد و 241 نفر (34 درصد) سرطان آن­ها عود کرده است. این اطلاعات از سال 1391 تا 1394 از پرونده بیماران سرطان پستان جهاد دانشگاهی جمع­آوری شد. در این پژوهش از ترکیب دو الگوریتم نزدیک­ترین همسایگی و الگوریتم ژنتیک برای پیش­بینی عود بیماران مبتلا به سرطان پستان استفاده گردید. ابتدا الگوریتم نزدیک‌ترین همسایگی برای پیش­بینی عود سرطان پستان ارائه شد سپس به کمک الگوریتم ژنتیک متغیرهای وابسته کاهش یافت تا مدل صحت مناسب­تری داشته باشد. نتایج: تعداد متغیرهای وابسته 14 متغیر بود که به کمک الگوریتم ژنتیک به 6 متغیر کاهش پیدا نمود تا مدل پیش‌بینی کارایی بهتری داشته باشد. جهت ارزیابی مدل از پارامتر صحت استفاده شد که مقدار آن برای مدل پیشنهادی 14/77 درصد است که نسبت به روش‌های دیگر خروجی مناسب‌تری دارد. نتیجه­ گیری: در این مطالعه الگوریتم پیشنهادی با روش‌های دیگر پیش‌بینی مورد بررسی قرار گرفت و مشخص گردید الگوریتم پیشنهادی دارای صحت بهتر است. %> http://jhbmi.ir/article-1-366-fa.pdf %P 309-319 %& 309 %! predict the recurrence breast cancer %9 Original Article %L A-10-412-1 %+ Ph.D. in Medical Informatics, Assistant Professor, Shahroud University of Medical Sciences, School of Paramedical, Shahroud, Iran %G eng %@ 2423-3870 %[ 2020