張資昊吳宣慧2026-05-072026-05-072023-07-18https://handle.ncl.edu.tw/11296/927ud3https://203.71.86.71/handle/123456789/10080學位別：碩士 語文別：中文 口試委員：邵于宣 SHAO, YU-HSUAN ;楊軒佳 YANG, HSUAN-CHIA;張資昊 CHANG, TZU-HAO 授權範圍：網際網路,開放日期為2023-07-24論文名稱：機器學習應用於多醫學研究中心之整合資料在急診住院病人的心臟衰竭之死亡預測 臺北醫學大學醫學資訊研究所 研究生姓名： 吳宣慧 指導教授：張資昊 臺北醫學大學醫學資訊研究所 教授 背景:心臟衰竭已儼然是全球性的公共衛生議題。有研究預估超過 6000 萬人受到心臟衰竭的影響。而在台灣，心臟衰竭與其他高血壓以外的心臟疾病在全台灣的死因排名中高居第二，因此心臟衰竭在國內也是一個不可忽視的重要議題。 方法:本研究為多中心病歷回溯性研究，納入2008年至2021年4月間因心臟衰竭而住院以及急診的病患為研究群體以及他們的電子病歷數據包括基本人口資料、生命徵象、是否有入住加護病房、心臟超音波與血液檢查報告，並通過使用機器學習演算法來捕捉心臟衰竭病患的臨床特徵與死亡率的相關性以及建構模型來評估心臟衰竭死亡預測。 結果:本研究共納入了 3,969 名心臟衰竭患者。集成學習中除了年齡與心率以外，部分臨床生物標誌物: 嗜中性球、血球容積比、血色素、淋巴细胞、尿素氮、凝血原酶時間檢測、紅血球記數和初診後1周內是否入住加護病房皆為預測心臟衰竭死亡的重要指標。Random Forest、Adaboost、Support Vector Machine 和Logistic Regression具有更好的整體性能，ROC曲線(Receiver operating characteristic curve)下方的面積達到 0.7以上。 結論:藉由機器學習演算法以及臨床上可取得的變量，我們建立新的心臟衰竭死亡預測模型探討心臟衰竭死亡與臨床上的重要預測因子之間的相關，本研究可協助臨床醫療人員監測院內心臟衰竭患者的健康狀態時做出適當的決策。系所名稱：醫學資訊研究所碩士班thesis