運用機器學習分析多中心資料以預測經動脈化療栓塞術後患者之五年存活研究

論文名稱：運用機器學習分析多中心資料以預測經動脈化療栓塞術後患者之五年存活研究
臺北醫學大學醫學資訊研究所
研究生姓名：盛于漩
指導教授：邱泓文 臺北醫學大學醫學資訊研究所 教授
共同指導教授：蘇家玉 國立陽明交通大學生物醫學資訊研究所 教授

背景:
肝細胞癌治療過程中，雖然風險不可避免，但接受經動脈導管化療栓塞治療的患者常出現一些症狀，如發燒、疲倦，甚至上腹痛。儘管這是一種非常安全且低侵入的治療方法，但仍存在潛在的風險，包括肝內感染、肝腎衰竭、肺或胃腸道血管栓塞、皮下血腫或動脈損傷形成動脈瘤，以及膽囊炎、腸壞死等併發症。
目的:
期望該預測模型能夠對經過動脈化療栓塞術的患者進行預測，透過預測模組的機制提高患者接受治療的意願，同時預測治療效果和5年存活率，以預防治療醫療無效的發生。我們也致力於使患者在治療後感到輕鬆和得到有效幫助。
研究材料與方法:
本研究屬於回溯性研究，資料來源為臺北醫學大學臨床研究資料庫包括三家附屬醫院 （臺北醫學大學醫院、萬芳醫院和雙和醫院） 的電子病歷，我們檢視了自2008年1月至2021年12月原發性是肝細胞癌的患者，進行了回顧性審查，預計使用經動脈化療栓塞術治療後病患的生理參數、臨床檢驗資料、癌症登記資料作為變數，使用機器學習方法為支持向量機、邏輯斯迴歸、決策樹、隨機森林、梯度樹提升和類神經網路六種機器學習方法進行預測。
研究結果和結論:
我們納入了504名病人，其中三院的病人中，5年存活的人數為139人，死亡人數為365人。在5年存活預測模型中，訓練組全變數AUC達到了0.917，外部驗證的AUC為0.898。這一預測模型有望成為臨床決策的重要參考，幫助醫生更精確地選擇最適合患者的治療方案，從而提高患者的生存率和生活質量。此外，我們將進一步驗證與其他文獻結果的一致性，並探索其它的特殊發現。