應用類神經網路於冠狀動脈支架置放後再狹窄的預測

心臟疾病一直來都是十大死因的前幾名，而冠狀動脈心臟病（Coronary Artery Disease；CAD）佔了大多數。在臨床上目前皆是利用經皮冠狀動脈氣球擴張術來治療冠狀動脈心臟病，為了增加早期癒後利用冠狀動脈支架（Coronary Stent）來減少因血管彈性所造成的早期再狹窄（Restenosis）。但放置完冠狀動脈支架後血管細胞會進行修復，產生平滑肌細胞的增生，進而產生冠狀動脈內支架再狹窄（In-Stent Restenosis；ISR）。現階段診斷是否產生ISR皆是當病人產生不舒服就醫時，透過侵入性或非侵入性的檢查來診斷。非侵入性的檢查有核子醫學檢查、心電圖檢查、運動心電圖檢查、心臟超音波。侵入性的檢查有血管內超音波及最終診斷的冠狀動脈攝影。

本研究的目的在利用多層感知器的類神經網路建構類神經模組，用以偵測是否產生ISR，來判別是否進行冠狀動脈攝影。以及冠狀動脈心臟病治療的選擇。

本研究資料來源是回溯性收集汐止國泰醫院2006年10月至2010年6月心導管室接受冠狀動脈支架置放226名病人，共置放了475冠狀動脈支架資料；且於6個月後有再進行冠狀動脈攝影的病人。將資料依約三比一分為訓練組及測試組。進行比較類神經網路模組與邏輯斯回歸的結果。

在模型建構中，分成組合A、組合B、組合C、組合D、組合E等5種不同預測變數組合進行模型建構，選擇組合A利用所有預測變數組合所訓練出來的結果較佳，其類神經網路模組的AUROC為0.895、敏感度及特異性分別為92.2％％、80.6％、正確率為0.87。而邏輯斯迴歸在組合A的AUROC為0.663、敏感度及特異性分別為49.4％、75.8％、正確率為0.612。