عنوان پیش بینی تشخیص و پیش آگاهی از عود و متاستاز سرطان پستان با استفاده از هوش مصنوعی نوع پژوهش پایان‌نامه کلیدواژه‌ها Breast cancer , diagnosis delay , risk factor , prediction , Healthcare costs , Healthcare efficiency, machine learning چکیده هدف: سرطان پستان یک چالش مهم بهداشتی در ایران است که هم بار انسانی و هم بار اقتصادی را تحمیل می کند. این مطالعه بر کاهش هزینه های مراقبت های بهداشتی با بهبود تشخیص و مدیریت به موقع تمرکز دارد. هدف این تحقیق با استفاده از تکنیک های پیشرفته یادگیری ماشینی، پیش بینی تاخیرهای تشخیصی و شناسایی عوامل خطر خاص در موارد سرطان پستان ایرانی است. این بینش ها می توانند فرآیندهای تشخیصی را ساده سازی کنند، تخصیص منابع را بهینه کنند و در نهایت تأثیر اقتصادی مدیریت سرطان پستان در ایران را کاهش دهند. روش ها: روش شناسی ایجاد چارچوب های یادگیری ماشینی برای پیش بینی تأخیرهای تشخیص سرطان سینه و عوامل خطر را تشریح می کند. با استفاده از الگوریتم هایی مانند جنگل تصادفی، سبد خرید کیسه ای، شبکه های عصبی و رگرسیون لجستیک، در کنار روش های مجموعه، این فصل پیش پردازش داده، انتخاب ویژگی و تنظیم پارامتر را پوشش می دهد. تکنیک های ارزیابی مانند ماتریس سردرگمی، ارزیابی حساسیت، تجزیه و تحلیل ویژگی و تحلیل AUC عملکرد مدل را ارزیابی می کنند، با هدف بهبود دقت تشخیصی و اطلاع رسانی استراتژی های مدیریت موثر. نتایج: تجزیه و تحلیل متغیرهای حیاتی را برای پیش بینی تاخیرهای تشخیص سرطان پستان و عوامل خطر در مدل های مختلف یادگیری ماشین شناسایی کرد. در حالی که سن به عنوان یک عامل جهانی ظاهر شد، اهمیت متغیرهایی مانند سکونت شهری و وضعیت تأهل متفاوت بود. سبک زندگی، سابقه سلامتی و پیشینه خانوادگی به عنوان پیش بینی کننده های مهم ظاهر شدند و ماهیت پیچیده ارزیابی ریسک را برجسته کردند. به طور مشابه، تجزیه و تحلیل اهمیت ویژگی جایگشت، پیش بینی کننده های ثابتی مانند سابقه اشعه ایکس قفسه سینه و کاهش وزن عمدی برای خطر کلی سرطان سینه را نشان داد. این یافته ها به ارزیابی ریسک شخصی و استراتژی های مداخله کمک می کند و درک ما را از پیش بینی سرطان پستان غنی می کند. نتیجه گیری: یافته های این مطالعه بینش مهمی در پیش بینی تأخیر در تشخیص سرطان پستان و عوامل خطر در بیماران ایرانی ارائه می کند. با استفاده از تکنیک های پیشرفته یادگیری ماشین، متغیرهای کلیدی مانند سن، عوامل سبک زندگی، و سابقه سلامتی را شناسایی کردیم که می توانند فرآیندهای تشخیصی را ساده تر کرده و استراتژی های مدیریت هدفمند را اطلاع رسانی کنند. این بینش ها پتانسیل کاهش هزینه های پژوهشگران سمیرا دهدار (دانشجو)، خداکرم سلیمی فرد (استاد راهنما)، ثیری چاوساله (استاد مشاور)، رضا محمدی (استاد مشاور)