fa بررسی رابطه علت و معلولی متغیرهای مرتبط با سرطان پستان با استفاده از شبکه‌های بیزی عمومى General پژوهشي Research <br> مقدمه و اهداف: سرطان پستان شایع‌ترین سرطان در ایران است. سرطان پستان قابل درمان و پیشگیری بوده و اساس کار هم تشخیص سریع این بیماری است. برای این منظور لازم است تا عوامل مؤثر بر سرطان و روابط علیتی بین آن‌ها مورد بررسی قرار گیرد. شبکه‌های بیزی نوعی از ابزار داده‌کاوی هستند که می‌توانند روابط علی بین متغیرهای مؤثر در تشکیل سلول‌های سرطانی را با ترسیم گراف به خوبی نمایش دهند. در این مقاله از یادگیری ساختاری شبکه بیزی با استفاده از الگوریتم ژنتیک برای یافتن روابط علیتی بین متغیرهای سرطان پستان استفاده شده است.<br> روش کار: این مطالعه از نوع کاربردی است و داده‌های آن مربوط به 900 بیمار مبتلا به سرطان سینه در استان کرمان برای سال‌های 86-1378 است. برای تجزیه و تحلیل داده‌ها از یک گراف که نشان دهنده روابط علت و معلولی است، استفاده شده است.<br> یافته‌ها: جراحی اصلی‌ترین روش درمانی سرطان پستان است و با توجه به احتمال‌های شرطی برآورد شده در شبکه‌ی بیزی، اغلب زنانی که تحت عمل جراحی قرار می‌گیرند، با امید بیش‌تری می‌توانند به زندگی خود ادامه دهند. هم‌چنین 81 درصد از بیمارانی که تحت عمل جراحی قرار نگرفته‌اند و درمان آن‌ها صرفاً به شیوه شیمی‌درمانی یا رادیوتراپی صورت گرفته است، احتمال ادامه زندگی آن‌ها کم‌تر بوده است.<br> نتیجه‌گیری: افراد در رده سنی 65-40 سال، بیش‌تر درگیر سرطان هستند. هم‌چنین می‌توان نتیجه گرفت که متغیرهای سن، جراحی، شیمیدرمانی و رادیوتراپی اثر مستقیم روی وضعیت بیمار دارند و یال از سمت آن‌ها به سمت متغیر وضعیت بیمار است. Background and Objectives: Breast cancer is the most common cancer in Iran. It can be prevented by rapid diagnosis of the disease. Thus, it is necessary to determine the causal relationships between variables related to breast cancer. Bayesian network is a data mining tool that shows the causal relationship between different variables. In this paper, a Bayesian network was applied to find causal relationships between breast cancer variables using a genetic algorithm in a graphical model.&nbsp;<br> &nbsp;<br> Methods: in this applied study, data were collected from 900 breast cancer patients in Kerman Province from 1999 to 2008. For data analysis, we used a probabilistic graphical model representing the causal relationship between variables.<br> &nbsp;<br> Results: The results showed that surgery was the most important treatment for breast cancer. Based on the conditional and marginal probabilities, the women who underwent surgery had higher hopes of living longer. Moreover, 81% of the patients who did not undergo surgery only received chemotherapy or radiotherapy were less likely to have long lives.<br> &nbsp;<br> Conclusion: People aged 40-65 years are more likely to have breast cancer. Moreover, the variables of age, surgery, chemotherapy, and radiotherapy had a direct effect on the status of the patients and there were direct edges from these variables to the status of the patients. سرطان پستان, شبکه بیزی, الگوریتم ژنتیک Breast cancer, Bayesian network, Genetic algorithm 166 176 http://irje.tums.ac.ir/browse.php?a_code=A-10-974-2&slc_lang=fa&sid=1 S Heidari ساغر حیدری Yes Msc Student, Department of Biostatistics, SBMU School of Para-Medical Sciences, Shahid Beheshti Medical University, Tehran, Iran دانشجوی کارشناسی ارشد آمار زیستی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران A Kavousi امیر کاوسی No Associate Professor, School of Health, Safety and Environment, Shahid Beheshti Medical University, Tehran, Iran دانشیار، گروه علوم پایه، دانشکده سلامت، ایمنی و محیط زیست، دانشگاه علوم پزشکی شهید بهشتی، نهران، ایران V Rezaei Tabar وحید رضایی تبار No Assistant Professor, Department of Statistics, Faculty of Mathematics and Computer Sciences, Allameh Tabataba'I University, Tehran, Iran استادیار، گروه آمار، دانشکده علوم ریاضی، دانشگاه علامه طباطبایی، تهران، ایران