Iranian Journal of Breast Diseases

en پیش‌بینی متاستاز سرطان پستان با استفاده از مدل‌های یادگیری ماشین مبتنی بر درخت: یک تحلیل گذشته‌نگر در میان زنان ایرانی Prediction of Breast Cancer Metastasis Using Tree-Based Machine Learning Models: A Retrospective Analysis of Iranian Women انفورماتیک پزشکی Health informatics پژوهشي Research مقدمه: متاستاز سرطان پستان یکی از علل اصلی مرگ‌ومیر ناشی از سرطان است. پیش‌بینی دقیق پیشرفت متاستاتیک برای تصمیم‌گیری بالینی ضروری است. هدف این مطالعه، توسعه و اعتبارسنجی مدل‌های یادگیری ماشین مبتنی بر درخت برای پیش‌بینی متاستاز سرطان پستان در زنان ایرانی با استفاده از داده‌های بالینی واقعی دارای میزان بالای داده‌های مفقود بوده است. روش بررسی: این مطالعه‌ی گذشته‌نگر شامل سوابق بالینی ۸٬۱۴۸ بیمار مبتلا به سرطان پستان بود که بین سال‌های ۱۹۹۷ تا ۲۰۲۰ در تهران تحت درمان قرار گرفتند. پس از حذف متغیرهایی که بیش از ۵۰% داده‌ی مفقود داشتند و رکوردهای مرتبط با آنها، ۴٬۳۱۰ نمونه‌ی کامل باقی‌ماند (برای مثال، اندازه‌ی تومور دارای 4/94% داده‌ی مفقود بود.) سه مدل درخت تصمیم، جنگل تصادفی و XGBoost (با قابلیت ذاتی در برخورد با داده‌های ناقص) با دو الگوریتم مرجع K-NN و Naïve Bayes، با استفاده از اعتبارسنجی متقابل ده‌تایی مقایسه شدند. عملکرد مدل‌ها با شاخص‌های AUC، حساسیت، ویژگی و امتیاز F1 ارزیابی شد. یافته‌ها: مدل‌های مبتنی بر درخت عملکرد بهتری نسبت به روش‌های سنتی داشتند؛ XGBoost بالاترین تمایز را نشان داد (AUC=0.96، دقت=99.4%،F1=0.96) و درخت تصمیم بیشترین قابلیت تفسیر بالینی را ارائه داد (حساسیت =94%، ویژگی=96.9%). علی‌رغم حذف متغیرهای کلیدی مانند اندازه‌ی تومور و وضعیت HER2، متغیرهای باقی‌مانده مانند گیرنده‌های هورمونی و سن شروع قاعدگی توانستند پیش‌بینی‌های دقیقی ارائه دهند. الگوریتم K-NN از نظر بالینی عملکرد ضعیفی داشت (حساسیت=%6) در حالی‌که Naïve Bayes ناپایداری نسبی نشان داد (حساسیت=89.01). نتیجه‌گیری: مدل‌های درخت تصمیم و تجمیع‌شده‌ی آن‌ها می‌توانند به‌طور قابل‌اعتمادی متاستاز را در داده‌های واقعی ناقص پیش‌بینی کنند و از این رو برای محیط‌های با منابع محدود گزینه‌های مناسبی به‌شمار می‌روند. پژوهش‌های آینده باید بر استانداردسازی جمع‌آوری داده‌ها و توسعه‌ی رویکردهای ترکیبی جایگزینی داده‌های مفقود تمرکز داشته‌باشند. این مطالعه بر اهمیت استفاده از مدل‌های یادگیری ماشین قابل‌تفسیر در کاربردهای انکولوژی، به‌ویژه در جمعیت‌های کمتر مورد مطالعه، تأکید دارد. <div style="text-align: justify;"></div> Introduction: Breast cancer metastasis is a major cause of cancer-related death. Accurate prediction helps doctors make better decisions. This study developed and evaluated tree-based machine learning models to predict metastasis in Iranian women, using real clinical data with substantial missing values. Methods: They looked at clinical records of 8,148 breast cancer patients in Tehran from 1997 to 2020. Variables with over 50% missing data were removed, leaving 4,310 complete cases. They compared Decision Tree, Random Forest, and XGBoost (which handles missing data well) against K-NN and Naïve Bayes (which need data imputation). They used stratified 10-fold cross-validation to check for overfitting and class imbalance, and then tested the best models on a separate hold-out set. Performance was measured using AUC, sensitivity, specificity, accuracy, and F1 score. Results: Tree-based models worked better than the others. XGBoost had the best discrimination (AUC = 0.96, accuracy = 99.4%, F1 = 0.96), and Decision Trees were highly interpretable (sensitivity = 94%, specificity = 96.9%). Even though key predictors such as tumor size were excluded, other variables, such as hormone receptor status and age at menarche, allowed for strong predictions. K-NN had very low sensitivity (6%), and Naïve Bayes was inconsistent. Conclusion: Decision trees and similar models can reliably predict breast cancer metastasis using incomplete, imbalanced real-world data, provided they are properly validated. These models are good for places with fewer resources. Future work should focus on better data collection and imputation methods. This study demonstrates the utility of interpretable machine learning for cancer applications in underrepresented populations. سرطان پستان, متاستاز, یادگیری ماشین, درخت تصمیم, XGBoost, ایران Breast Cancer, Metastasis, Machine Learning, Decision Trees, XGBoost, Iran 64 76 http://ijbd.ir/browse.php?a_code=A-10-1884-1&slc_lang=en&sid=1 Maryam Khademi مریم خادمی maryam_khademi@iau.ac.ir 000319475328460013731 000319475328460013731 Yes Department of Applied Mathematics, Islamic Azad University South Tehran Branch, Tehran, Iran گروه ریاضی کاربردی، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران Pooneh Khodabakhsh پونه خدابخش St_p_khodabakhsh@azad.ac.ir 000319475328460013732 000319475328460013732 No Department of IT and Computer Engineering, Islamic Azad University South Tehran Branch, Tehran, Iran گروه مهندسی فناوری اطلاعات و کامپیوتر، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران ziba Heidarpoor زیبا حیدرپور heydarpoor_shooka@yahoo.com 000319475328460013733 0009-0003-5894-1823 No Doctor of Medicine (MD), Islamic Azad University, Tehran Medical Branch, Tehran, Iran دکترای پزشکی، دانشگاه آزاد اسلامی واحد پزشکی تهران، تهران، ایران Sahba Paktinat صهبا پاک طینت sahbap67@gmail.com 000319475328460013734 000319475328460013734 No Department of IT and Computer Engineering, Islamic Azad University South Tehran Branch, Tehran, Iran گروه مهندسی فناوری اطلاعات و کامپیوتر، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران Alireza Atashi علیرضا آتشی Aratashi@sina.tums.ac.ir 000319475328460013735 000319475328460013735 No Medical Informatics Department, Breast Cancer Research Center, Iranian National Cancer Institute, ACECR, Tehran, Iran گروه انفورماتیک پزشکی، مرکز تحقیقات سرطان پستان، پژوهشگاه ملی سرطان، جهاد دانشگاهی (ACECR)، تهران، ایران