乳癌預後預測模型：多元臨床數據之應用及多重演算法之模型比較

研究背景：
乳癌自2020年成為全球最為好發的癌症，在女性族群中，發生率和死亡率皆位居全癌別第一，每年約造成230萬新診斷案例，68萬人死亡。乳癌有高度異質性，歐美國家與亞洲國家在好發年齡和分子亞型有顯著不同，近年人工智慧蓬勃發展，利用大數據建立精確的疾病預後預測模型，已然是現代顯學，過去文獻多以年齡、種族、腫瘤期別為研究族群，少見以乳癌特定用藥建立預測模型。

研究目的：
(1)臺灣乳癌病患確診後五年存活預測模型
(2)臺灣早期乳癌病人使用化學治療用藥－Epirubicin、Cyclophosphamide和Docetaxel後之三年疾病進展預測模型
(3)臺灣乳癌病人之復發預測及因子探討

研究方法：
本研究使用臺北醫學大學臨床數據中心提供之2000年1月至2019年12月間之ICD-O-3為C50.0-C50.9的乳癌患者為研究對象。分別以病患確診日和病患首次使用化學治療為標誌日期，以五年內死亡和三年內發生疾病進展（復發、轉移）為預測目標，並以人口學因子、疾病情境、疾病史、長期用藥史、檢驗檢查史、術後資訊作為特徵，建立羅吉斯回歸、決策樹、隨機森林、支援向量機、梯度提升和類神經網路模型，以SAS進行統計資料分析、特徵選取，並以SAS VIYA和R建立機器學習預測模型，後以AUC-ROC、Accuracy、Sensitivity、Specificity值為主要評估模型效能準則。
研究結果：
在目標一「乳癌病患確診後五年存活預測」而言，總共納入5,503位病患，以梯度提升模型表現最佳，AUC值可達0.843，重要特徵前五名為臨床期別組合、診斷年齡、腫瘤大小、臨床N和ER。目標二「早期乳癌病患使用Epirubicin、Cyclophosphamide和Docetaxel後之三年疾病進展預測」，共納入687人，以支援向量機模型表現最佳，AUC值為0.695，重要特徵依序為區域淋巴結侵犯數目、PR、嚼檳榔、診斷年齡和手術。目標三「乳癌病人之復發預測及因子探討」共納入5,866人，羅吉斯回歸模型和支援向量機模型表現佳，Accuracy值達0.954，重要特徵包含診斷年齡、病理期別組合、賀爾蒙治療。

研究結論：
在臺灣乳癌病患五年存活預測方面，梯度提升模型可以結合乳癌相關特徵和共病症情形，建立預測效能優異的模型。而早期乳癌病患使用Epirubicin、Cyclophosphamide和Docetaxel之三年疾病進展預測模型，因樣本過小，其預測效能仍有待收集更多樣本後進行確認。對臺灣乳癌患者而言，影響復發的風險因子以診斷年齡、病理期別組合、賀爾蒙治療為重。