以機器學習技術預測台灣血液透析患者之存活

背景:在台灣，以2010年而言，使用血液透析方式的末期腎臟病患，占百分之八十九點六。多重併發症會影響血液透析患者之存活，如何能準確預測其存活是相當重要的課題，因為關係到醫師的決策、國家的財政負擔與病患的抉擇。台灣全民健保資料庫於2000年釋出並廣泛用在相當多的研究上。Weka是一資料探勘運用的開放軟體，它提供了目前普遍運用的機器學習之流程，使用者可輕易將資料輸入分析。而我們的這個研究，利用從健保資料庫得到血液透析病人的資料，利用Weka中機器學習的技術，欲建立一個理想的預測其存活率的模型。
方法:我們從西元1997到2008年，百萬人健保資料庫中擷取資料。我們選擇年紀大於20歲，血液透析至少90天，沒有換腎紀錄，也沒有接受過腹膜透析紀錄，我們收集這些患者的年紀、性別、存活時間與併發症，包含糖尿病、心衰竭、腦中風、慢性阻塞性肺病、C型肝炎感染、癌症、心律不整、焦慮、動脈硬化性心臟病、骨折、腸胃道出血、肝硬化、B型肝炎感染與副甲狀腺切除病史。依預測存活時間長短分為三組，依次為2年、6年與10年。每組在分為兩小組，一小組為小於預測時間，另一小組為大於預測時間。再將這些資料利用Weka中的單純貝氏分類、支持向量機、多層次感知、邏輯式迴歸與隨機森林法做預測模型分析，決定預測值之好壞取決於接收者操作特徵曲線下區域之大小。
結果:共有2591名血液透析患者進入本研究。第一組有2114人，第二組有1348人，第三組有998人。活得較長的那幾小組，年紀都比較輕且有統計上的意義。女性在活得較長的那幾小組占多數。糖尿病、心衰竭、腦中風與慢性阻塞性肺病，在活得較短的那幾小組占多數且有統計上的意義。副甲狀腺切除術紀錄，在活得較長的那幾小組占多數。C型肝炎感染在第一組與第二組中，反而在活的較長那些小組有高比例。動脈硬化性心臟病、骨折、腸胃道出血、肝硬化有高比例在活得較短的小組，但在統計上僅第二和第三組有意義。癌症比例除第三組外，在第一和第二組中，活的較短的那小組有較高比例。經過變數選擇，我們在三組中，每組可得到一組對預測模型貢獻的排序，年紀與糖尿病在三組中均分居一、二名，而接收者操作特徵曲線下區域之大小表現上，我們發現單用年紀此變數，就足以表示出整個模型的預測度，其他變數影響並不大。
結論:年紀本身在預測台灣血液透析患者的存活上，是一個很強的預測因子，而機器學習技術能廣泛運用在醫學領域上。