以類神經網路、支持向量機與隨機森林三種探勘技術預測抗結核藥物之肝損傷

研究背景：本研究為使用類神經網路、支持向量機與隨機森林等三種探勘技術來預測抗結核藥物引起之肝損傷，這三種探勘技術目前被廣泛應用在許多複雜且非線性的問題，並且擁有良好的預測表現。
研究目的：本研究之主要目的為運用三種探勘技術來預測抗結核藥物引起之肝損傷，次要目的為比較三種探勘技術之預測表現，期望找出最佳的預測模型。
研究方法：本研究收納來自萬芳醫院與雙和醫院使用抗結核藥物治療之肺結核病患，並收集其臨床與基因數據，以萬芳醫院病患作為預測模型之訓練組，再以雙和醫院之病患為測試組。使用之基因數據包含N-acetyltransferase 2 (NAT2)、human organic anion-transporting polypeptides 1B1 (OATP1B1)與UDP-Glucuronosyl Transferase1A1 (UGT1A1)三種基因之基因型。臨床數據分析包含病患之基本資料、生化檢驗數值及歷史用藥，本研究也使用特徵選取之方法來客觀地找出最佳特徵值的組合，並比較兩種不同的模式，傳統危險因子模式(簡稱T模式) 與基因型危險因子模式(簡稱G模式)。
研究結果：三種探勘技術展現出不同的預測能力，其中類神經網路擁有最好的預測表現，其驗證組準確率高達88%、敏感性達75%、特異性為90.52%，而在測試組之準確率為88.67%、敏感性達80%、特異性則為90.4%。同時，基因型危險因子模式也顯著優於傳統危險因子模式，但將種危險因子合併預測之準確率最高。
結論：類神經網路、支持向量機與隨機森林等三種探勘技術可用於預測抗結核藥物產生之肝損傷，並增加病人之用藥安全。在本研究中，類神經網路為最佳模型，且基因型危險因子在預測中扮演著極為重要的腳色。