以機器學習預測慢性腎臟病對於失智症的影響風險程度

研究背景：近年來慢性腎臟病已成為臺灣新國病之一，並且臺灣社會進入高齡化社會，失智症的人口也隨之增加。有研究指出慢性腎臟病是失智症的風險因子，且慢性腎臟病與失智症皆會造成社會成本的支出增加，造成社會龐大負擔。近期資訊設備的運算能力提升，機器學習較為廣泛用於醫學領域上作為疾病預測的模型建立，但應用於失智症的預測上的數據多為影像資料或是失智症量表的資料，以臨床資料來進行模型建立的研究尚且不多，故本次將利用機器學習來建立慢性腎臟病與失智症關聯性的預測模型，可於未來提供醫事人員輔助判斷使用。
研究目的：利用機器學習演算法建立慢性腎臟病引發失智症的風險預測模型
研究方法：本研究為回溯性世代研究，所使用的資料來源為臺北醫學大學之三院臨床研究資料庫，其時間區間為2012年01月01日起至2021年12月31日為止。以機器學習中的羅吉斯迴歸、支持向量機、決策樹、隨機森林、梯度提升機以及類神經網路演算法對人口學特質、過去病史及疾病生理檢測數值來建立預測模型並進行分析，後續評估其預測能力。
研究結果：本研究發現梯度提升機有較佳的預測力(AUC=0.81)，在37,707位慢性腎臟病患樣本中，利用梯度提升機針對12個風險因子進行相對重要性的評估，中風、高血壓以及慢性病的期別對於預測慢性腎臟病患發展成失智症為前三重要的風險因子。建議後續可以利用本次的研究結果做為臨床判斷的參考，制定治療策略，減少病人發展成失智症的可能性 。