Lung cancer prognosis based on salivary biomarkers using Graph Convolutional Networks

Abstrak

Kanker paru-paru masih menjadi faktor utama penyebab kematian terkait kanker di seluruh dunia, terutama disebabkan terlambatnya pendeteksian stadium lanjut. Pada tahun 2022, kanker paru-paru diderita oleh hampir 2,5 juta orang, dengan jumlah kematian lebih dari 1,8 juta. Namun, metode prognosis yang ada masih invasif, mahal, dan membutuhkan waktu lama, sehingga menghambat deteksi dini yang efektif. Oleh karena itu, penelitian ini mengusulkan pendekatan prognosis non-invasif memanfaatkan biomarker saliva untuk mendeteksi kanker paru-paru menggunakan algoritma Graph Convolutional Networks (GCN). Dengan mengubah fitur menjadi representasi grafik, algoritma yang diusulkan dapat memodelkan dependensi fitur dan hubungan topologi, sehingga memungkinkan pengenalan pola yang lebih efektif dibandingkan dengan pengklasifikasi konvensional. Algoritma yang diusulkan juga menerapkan seleksi fitur untuk mengurangi kompleksitas komputasi. Hasil evaluasi menunjukkan bahwa algoritma yang diusulkan menghasilkan akurasi sebesar 95,65%, skor F1 makro sebesar 95,62%, dan Koefisien Korelasi Matthews sebesar 0,9434. Analisis komparatif menunjukkan bahwa algoritma yang diusulkan mengungguli arsitektur berbasis grafik lainnya dalam hal kinerja klasifikasi dan kompleksitas komputasi.