Journal of Data Mining en génomique et protéomique

Abstrait

Application des techniques d'apprentissage automatique à la prédiction des métastases du cancer du sein à l'aide d'un algorithme d'arbre de décision, à Sokoto, dans le nord-ouest du Nigéria

Abdulrahaman A. Musa, Usman Malami Aliyu

Selon l’Agence internationale de recherche sur le cancer, le cancer du sein féminin était le principal type de cancer dans le monde en termes de nombre de nouveaux cas (environ 2,1 millions) diagnostiqués en 2018.

Prédire l'évolution d'une maladie est une tâche difficile. Les techniques d'exploration de données tendent à simplifier le segment de prédiction. Les outils automatisés ont permis de collecter de grands volumes de données médicales, qui sont mises à la disposition des groupes de recherche médicale. Cette étude visait à appliquer des algorithmes d'apprentissage automatique utilisant un classificateur de décision à trois niveaux et des statistiques descriptives pour évaluer la performance du modèle dans la prédiction de la probabilité de métastases cancéreuses chez les patients qui se présentent tardivement.

Matériel et méthode : L'ensemble de données sur le cancer du sein a été extrait du département de radiothérapie et d'oncologie de l'hôpital universitaire Usmanu Danfodiyo, dans l'État de Sokoto, au Nigéria. L'ensemble de données comporte 259 instances et 10 attributs. Les résultats expérimentaux de cette étude ont utilisé le classificateur de décision trois dans l'environnement logiciel IMB SPSS (version 23). Dans l'expérience, deux classes ont été utilisées et donc une matrice de confusion 2 × 2 a été appliquée. Classe 0 = Non métastasé, Classe 1 = Métastasé. Nous avons appliqué une approche d'apprentissage automatique supervisé dans laquelle l'ensemble de données a été divisé en deux classes qui s'entraînent et testent à l'aide d'une validation croisée à 10 volets.

Résultats : Il montre que sur 259 cas de cancer du sein, 218 (84,2 %) n'ont pas métastasé tandis que 41 (15,8 %) cas ont métastasé dans une autre région du corps. La précision globale du modèle s'est avérée être de 87 %, avec une sensibilité de 88 %, une spécificité de 75 % et une précision de 98 %

Conclusion : Sur la base de ces résultats, l’algorithme d’apprentissage automatique utilisant des classificateurs de décision trois a prédit que 87 % des tumeurs se présentaient au stade IV, indiquant que la tumeur peut se propager à l’autre région du corps.