探勘臨床大腸癌數據並導入機器學習演算法建立癌症早期預測模型

大腸直腸癌（Colorectal cancer, CRC）為全球排名第四的癌症死亡原因，而在衛生福利部國民健康署（國健署）2019年的癌症登記報告中統計，台灣癌症人數最多的亦為大腸直腸癌。其中大腸息肉為大腸直腸癌的風險因子。除了息肉為癌變的風險因素，在發炎性腸道疾病（Inflammatory bowel disease, IBD）的病人中，發生大腸直腸癌的風險也相對較高。本研究為了開發大腸直腸癌的預測模型，收集臺北醫學大學臨床研究資料庫（Taipei Medical University Clinical Research Database, TMUCRD）所提供的臨床數據，包含臺北醫學大學附設醫院7,747人，病患為被診斷為大腸直腸癌（CRC）或大腸炎（Colitis）、息肉（Polyp）。接著將利用Python進行資料分析，演算法分別使用Logistic Regression、Decision Tree、Random Forest、SVM、Extreme Gradient Boosting（XGBoost）以及LightGBM建立預測模型。結果在兩院的CRC與Colitis中，最適合的作為預測模型的是LightGBM，結果為Accuracy 85.5%、Sensitivity 84.3%、Specificity 86.6%、AUC 0.919，檢驗項目為CEA與RBC。在未來可以結合CEA與RBC做更一步的研究，以利未來可以在大腸炎或息肉的病人中，及早發現癌症的可能性，並可以及早做治療。