مقدمه: سرطان پستان رایج‌ترین شکل سرطان در زنان است. تشخیص به‌موقع سرطان شانس زنده ماندن بیمار را افزایش می‌دهد. شبکه‌های عصبی مصنوعی از روش‌های نوین مدل‌سازی و پیش‌بینی هستند. هدف از این مطالعه تشخیص خوش‌خیم یا بدخیم بودن توده‌های سرطان پستان است که برای این منظور سیستم تصمیم‌یار مبتنی بر شبکه عصبی احتمالی طراحی شد.
روش بررسی: در این مطالعه یک شبکه عصبی احتمالی طراحی شد که بر اساس متغیرهای ورودی به پیشگویی نوع سرطان پستان پرداخته است. سیستم طراحی‌شده با استفاده از مجموعه داده مربوط به بیماران مبتلا به سرطان پستان بیمارستان ویسکانسین، موجود در انبار داده یادگیری ماشین دانشگاه ایروین، کالیفرنیا که شامل ۶۸۳ مورد بود، ارزیابی شد. داده‌های موجود در این مجموعه پیش‌پردازش شدند پس‌ازآن داده‌ها با روش خطی نرمال شدند. به‌منظور پیاده‌سازی شبکه از امکانات و توابع موجود در نرم‌افزار MATLAB بهره گرفته شد و از ۶۵% داده‌ها جهت مرحله آموزش شبکه و از ۳۵% باقیمانده جهت مرحله آزمون شبکه استفاده شد. از ۹ متغیر بالینی به‌عنوان ورودی شبکه استفاده شد. معیارهای حساسیت، اختصاصیت و صحت جهت ارزیابی در مرحله آزمون شبکه استفاده شد.
یافته‌ها: پس از شبیه‌سازی سیستم تصمیم‌یار با استفاده از شبکه عصبی احتمالی، پارامترهای حساسیت، اختصاصیت و صحت به کمک این سیستم به ترتیب معادل اعداد ۱، ۹۸/۰ و ۹۹/۰ به دست آمد.
نتیجه‌گیری: نتایج مطالعه نشان داد عملکرد شبکه عصبی احتمالی در تشخیص نوع سرطان پستان بهتر و قوی‌تر از سایر شبکه‌های عصبی مصنوعی بوده است. به‌علاوه شبکه پیاده‌سازی شده در این مقاله دارای سرعت بیشتر در فرایند آموزش و تعمیم‌پذیری بهتری نسبت به موارد مشابه بوده است.
