蘇家玉黃耀漢2026-05-072026-05-072024-05-29https://203.71.86.71/handle/123456789/9598學位別：碩士 關鍵字：睡眠血氧濃度; 酮體變化; 睡前與起床呼氣丙酮濃度變化; 機器學習 論文公開日期：2024-06-21背景 : 睡眠障礙涵蓋範圍廣泛，常見包含低氧血症(Hypoxemia)、阻塞性睡眠呼吸中止症（Obstructive Sleep Apnea；OSA）、猝睡症; 睡眠不足等，全球睡眠缺氧患者數量約10億人，佔全球總人口約12.6%，睡眠血氧濃度檢測是評估睡眠呼吸中止症的重要指標，但目前的檢測方法存在痛苦、昂貴、時間與地點受限等問題。 目的 : 本研究提出利用呼氣丙酮濃度分析替代血液或尿液酮體的檢測，以評估睡眠血氧濃度。呼氣丙酮是酮體的良好預測因子，利用呼氣丙酮濃度分析具有無創、頻繁、低成本等優點。 方法 : 本研究受試者條件，包含年齡介於20至60歲之間、性別不限、試驗前三個月無住院史，收案時間為期兩週，進而研究呼氣丙酮變化與睡眠血氧濃度關聯性，以驗證呼氣丙酮濃度分析是否可作為睡眠血氧濃度評估的有效工具。 結果 : 本研究結論為呼氣丙酮變化與睡眠血氧濃度高度關聯性，以本研究數據集進行機器學習建立二分類預測模型，經由五種模型(邏輯斯回歸、K-近鄰、決策樹、隨機森林、極限梯度提升)進行比較，得出隨機森林(Random Forest)模型預測效能最佳，準確率(Accuracy)達0.97±0.00、精確率(Precision)達0.87±0.01、召回率(Recall)達0.94±0.02、特異性(Specificity)達0.97±0.01、F1-Score達0.90±0.00。未來有機會藉由呼氣丙酮濃度分析方式，建立AI預測模型，提供醫療人員快速睡眠血氧濃度評估參考資訊。系所名稱：醫學院人工智慧醫療碩士在職專班thesis