Journal of Iranian Blood Transfusion

fa مقایسه مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش‌بینی بقای بیماران لوسمی حاد Comparison of Cox regression and Artificial Neural Network models in prediction of survival in acute leukemia patients هماتولوژي Hematology پژوهشي Research چکید ه سابقه و هدف مدل رگرسیون کاکس، یکی از روش‏های رایج تحلیل داده‏های بقا می‏باشد که قبل از به ‏کارگیری آن لازم است فرض متناسب بودن خطرات برقرار باشد. اخیراً مدل‏های شبکه عصبی بدون نیاز به فرض خاص، جایگزینی مناسب در پیش‏بینی بقا می‏باشند. هدف از این مطالعه، مقایسه‏ توانایی مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش‏بینی بقای بیماران لوسمی حاد بود. مواد و روش‌ها در یک مطالعه گذشته‏نگر، اطلاعات 197 بیمار لوسمی حاد بیمارستان سیدالشهدای اصفهان طی سال‏های 85 تا 88 جمع‏آوری گردید. ابتدا فرض متناسب بودن خطرات، آزمایش شد و سپس مدل رگرسیون کاکس پردازش گردید. دقت پیش‏بینی دو مدل با استفاده از دو روش منحنی راک و آزمون کاپا مقایسه گردید. برای تحلیل اطلاعات از نرم‌افزارهای 19 SPSS ، 2000 Splus و Matlab R2009a و آزمون رگرسیون لجستیک استفاده شد. یافته‌ها از بین 9 مدل‏ شبکه عصبی مصنوعی که تعداد نرون‏های آن‌ها بین 4 تا 12 بود، مدل شبکه عصبی با تعداد 5 نرون در لایه پنهان به عنوان مدل برتر با مدل رگرسیون کاکس مقایسه شد. مساحت زیر منحنی راک برای مدل شبکه عصبی و رگرسیون کاکس به ترتیب برابر با 709/0 و 458/0 به‏دست آمد. صحت پیش‏بینی بقا برای مدل شبکه عصبی و رگرسیون کاکس نیز به‏ترتیب برابر با 9/78% و 3/50% به ‏دست آمد. نتیجه گیری به‏دلیل دقت بالای مدل‏های شبکه عصبی در پیش‏بینی، استفاده از مدل‏های مختلف شبکه عصبی در پیش‏بینی بقا و توسعه آن‌ها در حوزه‏های مختلف علوم پزشکی پیشنهاد می‏شود. Abstract Background and Objectives Cox regression model is one of the most common methods of survival analysis for whose application <a name="OLE_LINK32">an assumption of proportional hazards</a> needs to be established. Recently, neural network models without having certain assumptions have been shown to be suitable alternatives in predicting survival. This study aims to compare Cox regression and Artificial Neural Network (<a name="OLE_LINK52"></a><a name="OLE_LINK39"></a><a name="OLE_LINK38"> ANN </a>) models to predict survival in acute leukemia patients. Materials and Methods In the present retrospective study, the information on 197 patients with acute leukemia in Sayyed-O-Shohada Hospital was collected using a checklist. Firstly, the assumption of proportional hazards was tested Cox regression model was fitted to the observations. To select an efficient ANN to compare with Cox regression model, the number of hidden layer neurons was changed. The prediction accuracy of the two models was compared using receiver operating characteristic (ROC) curve and kappa. Data analysis was performed using SPSS 19, Splus2000, and MatlabR 2009 software packages. Results Out of 9 ANN models with one hidden layer and 4 to 12 neurons, an ANN with 5 neurons in hidden layer was a superior model compared with Cox regression model. The areas under ROC curve for ANN model and Cox model were estimated to be 0.0709 and 0.458, respectively. The accuracies of prediction of survival for ANN model and Cox model were estimated as 78.9% and 50.3%, respectively. Conclusions Due to the high predicting accuracy of <a name="OLE_LINK56"></a><a name="OLE_LINK53">ANN </a>models, the use of different models of ANN and their development in various fields of medical science are recommended. کلمات کلیدی : مدل‌های خطرات متناسب کاکس, مدل‌های شبکه عصبی, لوسمی Key words: Cox Proportional Hazards Models, Neural Network Models, Leukemia 154 162 http://bloodjournal.ir/browse.php?a_code=A-10-1-291&slc_lang=fa&sid=1 S. Hosseini Teshnizi سعید حسینی تشنیزی shosseini@hums.ac.ir 910031947532846009425 910031947532846009425 Yes مربی دانشگاه علوم پزشکی هرمزگان، خیابان رسالت جنوبی M. Tazhibi مهدی تذهیبی 910031947532846009426 910031947532846009426 No استادیار دانشکده بهداشت دانشگاه علوم پزشکی اصفهان M. Tavasoli Farahi مینا توسلی فرحی 910031947532846009427 910031947532846009427 No استادیار دانشگاه علوم پزشکی هرمزگان