以機器學習分析乳癌五年復發率及危險因子預測

研究目的：本研究使用羅吉斯迴歸、支持向量機、決策樹、隨機森林、梯度提升及人工神經網路等人工智慧演算方法，預測可能導致乳癌復發的高危險因子，提供醫師或患者雙方更全面的參考資訊，降低患者再次復發的機會。

研究方法：以病歷回溯性世代研究方式，收集2000年至2021年臺北醫學大學之臨床研究資料庫中7006位乳癌患者相關資料，利用六種機器學習之方式將所蒐集之樣本進行隨機分組，建構「疾病預測模型」，納入人口學變項、臨床表徵及治療方式等相關就醫資料，以準確率、敏感度、特異度、精確率、F1-score及ROC等效能衡量指標，選擇最準確的演算法，來預測乳癌復發的可能危險因子。

研究結果：結果顯示，7006位乳癌患者中五年內復發為458人，復發率為6.54 %。在機器學習模型預測乳癌復發危險因子方面，外部驗證以「梯度提升」模型結果最佳，其準確率為0.77、敏感度為0.79、特異度為0.77、精確率為0.22、F1-score為0.34、AUC為0.82，具有良好的預測能力。根據最佳模型中所預測的變項相對重要性排序，「原癌症期別」為影響乳癌復發最重要的危險因子，其次為淋巴結狀態，血型則並列第三。醫療提供者可使用機器學習模型的預測結果作為參考，相信能幫助醫療提供者與病人在預後的治療或照護，改善患者的預後和生活品質，同時減少患者、家屬或照顧者心理層面的負擔。