Pemodelan Berbasis Jaringan untuk Pengklasifikasian Kanker Payudara Berdasarkan Data Molekuler

Abstrak

Kanker merupakan penyakit yang ditandai dengan pertumbuhan sel yang tidak terkendali. Salah satu ciri dari adanya sel yang tumbuh tidak terkendali adalah adanya estrogen-reseptor-positif (ER+). Sekitar 67% hasil tes kanker payudara memiliki ER+. Profil kanker payudara dibagi menjadi 4 sub-tipe yaitu: Luminal A, Luminal B, basal-like, dan HER-2 enriched. Masing-masing kategori memiliki pengaruh yang berbeda terhadap kemoterapi adjuvant. Pada penelitian ini, digunakan pendekatan berbasis jaringan (network) untuk melakukan pemilihan fitur/biomarker molekuler yang berpotensi untuk membantu pemodelan dan klasifikasi sub-tipe kanker payudara. Fitur molekuler yang digunakan yaitu Copy Number Alteration (CNA) dan ekspresi gen. Hasil pemilihan fitur tersebut dibandingkan dengan akurasi berbasis fitur PAM50 dari studi literatur. Dari hasil penelitian didapatkan bahwa fitur dari metode seleksi berbasis jaringan ini mampu menghasilkan performa yang sebanding dengan fitur PAM50 dan dapat menjadi alternatif untuk melakukan klasifikasi jenis kanker payudara.