అబ్దుల్రహమాన్ ఎ. మూసా, ఉస్మాన్ మలామి అలియు
క్యాన్సర్పై పరిశోధన కోసం అంతర్జాతీయ ఏజెన్సీ ప్రకారం, 2018లో రోగనిర్ధారణ చేయబడిన కొత్త కేసుల (సుమారు 2.1 మిలియన్లు) పరంగా స్త్రీ రొమ్ము క్యాన్సర్ ప్రపంచవ్యాప్తంగా అగ్రస్థానంలో ఉంది.
వ్యాధి ఫలితాన్ని అంచనా వేయడం ఒక సవాలుతో కూడుకున్న పని. డేటా మైనింగ్ పద్ధతులు అంచనా విభాగాన్ని సులభతరం చేస్తాయి. స్వయంచాలక సాధనాలు పెద్ద మొత్తంలో వైద్య డేటాను సేకరించడం సాధ్యం చేశాయి, అవి వైద్య పరిశోధన సమూహాలకు అందుబాటులో ఉంచబడ్డాయి. ఈ అధ్యయనం ఆలస్యంగా వచ్చే రోగులలో క్యాన్సర్ మెటాస్టాసిస్ సంభావ్యతను అంచనా వేయడంలో మోడల్ పనితీరును అంచనా వేయడానికి నిర్ణయం మూడు వర్గీకరణ మరియు వివరణాత్మక గణాంకాలను ఉపయోగించి యంత్ర అభ్యాస అల్గారిథమ్లను వర్తింపజేయడం లక్ష్యంగా పెట్టుకుంది.
మెటీరియల్స్ మరియు పద్ధతి: నైజీరియన్లోని సోకోటో స్టేట్లోని ఉస్మాను డాన్ఫోడియో యూనివర్శిటీ టీచింగ్ హాస్పిటల్లోని రేడియోథెరపీ మరియు ఆంకాలజీ విభాగం నుండి రొమ్ము క్యాన్సర్ వ్యాధి డేటాసెట్ తీసుకోబడింది. డేటాసెట్లో 259 సందర్భాలు మరియు 10 విశేషణాలు ఉన్నాయి. ఉపయోగించిన ఈ అధ్యయనం యొక్క ప్రయోగాత్మక ఫలితాలు, IMB SPSS (వెర్షన్ 23) సాఫ్ట్వేర్ వాతావరణంలో నిర్ణయం మూడు వర్గీకరణ. ప్రయోగంలో, రెండు తరగతులు ఉపయోగించబడ్డాయి మరియు అందువల్ల 2 × 2 గందరగోళ మాతృక వర్తించబడింది. తరగతి 0=మెటాస్టాసైజ్ చేయబడలేదు, క్లాస్ 1=మెటాస్టాసైజ్ చేయబడింది. మేము పర్యవేక్షించబడే యంత్ర అభ్యాస విధానాన్ని వర్తింపజేసాము, దీనిలో డేటాసెట్ని 10 రెట్లు క్రాస్ ధ్రువీకరణను ఉపయోగించి శిక్షణ మరియు పరీక్ష అనే రెండు తరగతులుగా విభజించారు.
ఫలితాలు: రొమ్ము క్యాన్సర్ యొక్క 259 సందర్భాలు, 218(84.2%) కేసులు మెటాస్టాసైజ్ చేయబడలేదని చూపిస్తుంది, అయితే 41 (15.8%) కేసులు శరీరంలోని ఇతర ప్రాంతానికి మెటాస్టాసైజ్ చేయబడ్డాయి. మోడల్ యొక్క మొత్తం ఖచ్చితత్వం 87%, సున్నితత్వం 88%, నిర్దిష్టత 75% మరియు ఖచ్చితత్వం 98%
తీర్మానం: ఈ పరిశోధనల ఆధారంగా, మూడు క్లాసిఫైయర్లను ఉపయోగించి మెషిన్ లెర్నింగ్ అల్గోరిజం, 87% కణితి IV దశలో అందించబడిందని అంచనా వేసింది, ఇది కణితి శరీరంలోని ఇతర ప్రాంతానికి వ్యాపించగలదని సూచిస్తుంది.