مقدمه: سرطان پستان یکی از شایع­ترین علت مرگ و میر در زنان محسوب می­شود. پیش­بینی صحیح سرطان پستان دارای اهمیت است. وجود علایم و ویژگی­های مختلف این بیماری، تشخیص را برای پزشکان دشوار می­کند. داده­کاوی امکان تحلیل داده‏های بالینی بیماران برای تصمیم­گیری­های پزشکی را فراهم می­کند. هدف این مقاله، ارایه یک مدل برای افزایش دقت پیش‏بینی سرطان پستان است.

روش بررسی: در این مطالعه، پرونده پزشکی 574 بیمار مبتلا به سرطان پستان با تعداد 32 ویژگی مورد بررسی قرار گرفته است. اطلاعات بیماران از پایگاه داده استاندارد بیمارستان فوق تخصصی مرتاض یزد جمع­آوری شده ­است. هر یک از بیماران حداقل به مدت یک سال تحت پیگیری بوده­اند. به منظور ارایه مدل پیش­بینی سرطان پستان از الگوریتم ژنتیک و داده­کاوی استفاده می­شود.

یافته­ها: مدل پیشنهادی با روش­های درخت تصمیم­گیری، نایو بیز و نزدیک­ترین همسایه مورد مقایسه قرار گرفت. نتایج نشان می­دهد که دقت پیش­بینی مدل ­پیشنهادی برابر با 973/0 بوده ­است. همچنین برای روش­های نایو بیز، درخت تصمیم­گیری و  نزدیک­ترین همسایه دقت پیش­بینی به ترتیب برابر با 913/0، 929/0 و 951/0 می­باشد.

نتیجه­گیری: در پیش­بینی سرطان پستان، مدل پیشنهادی نسبت به سایر مدل­های مورد مقایسه دارای حداقل میزان خطا و بیش‏ترین دقت و صحت ­است. روش نایو بیز، حداکثر میزان خطا و کم­ترین دقت را دارا می­باشد.