مجهز شدن علم پزشکی به ابزارهای هوشمند در تشخیص و درمان بیماریها میتواند اشتباهات پزشکان و خسارت جانی و مالی را کاهش دهد. از آنجایی که پیشبینی صحیح وضعیت بیماری افراد از اهمیت زیادی برخوردار است، لذا برای این پیش بینی بایستی ازآن دسته مدلهایی استفاده کرد که دارای حداقل خطا و حداکثر اطمینان باشد لذا در این مطالعه از روش شبکه عصبی مصنوعی که روش قویتری نسبت به روشهای موجود است جهت تشخیص به هنگام سرطان استفاده شد. در این مطالعه مدلسازی شبکه موردنظر با استفاده از شبکه پرسپترون چندلایه با الگوریتم پس انتشار خطا در بین بیماران مشکوک به سرطان از مرکز کنسرگوارش مازندراناستفاده شد، سپس اعمال سه الگورتیم بهینه سازی ژنتیک،انبوه ذرات،رقابت استعماری انجام گرفت و نتایج جهت یافتن مدل مناسب با یکدیگر مقایسه گردید. برای طراحی شبکه عصبی مصنوعی از نرم افزارMatlabاستفاده شد میانگین مربعات خطا در مرحله تست به میزان 0.004 کاهش یافت و در نهایت مقایسه مدل با اعمال الگورتیم های بهینه سازی نشان داد روش رقابت استعماری قابلیت چشمگیری در تعیین صحیح اوزان شبکه عصبی جهت آموزش و کاهش خطای آن تا 0/000951 داشت. این روش به علت دقت بالا می تواند از عوارض و آسیب های احتمالی مراحل درمانی در بیمارانی که نیازی به آن ندارند جلوگیری نماید و همچنین بیمارانی که واقعاً به این اقدامات تشخیصی و درمانی نیاز دارند تفکیک نماید.