簡文山李依蓮2026-05-072026-05-072023-06-20https://handle.ncl.edu.tw/11296/dy37g6https://203.71.86.71/handle/123456789/10302學位別：碩士 語文別：中文 口試委員：魏慶國 WEI, CHING-KUO;張偉斌 CHANG, WEI-PIN;簡文山 JIAN, WEN-SHAN 授權範圍：網際網路,開放日期為2023-07-11研究目的：本研究使用羅吉斯迴歸、支持向量機、決策樹、隨機森林、梯度提升及人工神經網路等機器學習演算法，預測可能造成肝癌復發的危險因子，減少肝癌病人復發的機會。 研究方法：以回溯性世代研究方法，收集2000年至2021年臺北醫學大學臨床研究資料庫中1,201位肝癌病人的相關資料，利用六種機器學習方法將所蒐集之樣本進行隨機分組，建立預測模型，納入人口學變項、生活習慣、過去病史、疾病狀況及治療方式等資料，以準確率、敏感度、特異度、陽性預測值、F1-score及AUC等指標，選擇最準確的演算法，預測可能導致肝癌復發的危險因子。 研究結果：研究結果顯示，1,201位肝癌病人中共有562人發生肝癌復發，復發率為46.79%。在機器學習模型預測肝癌復發危險因子方面，外部驗證以人工神經網路之模型預測結果最佳，其準確率為0.7399、敏感度為0.7857、特異度為0.6905、陽性預測值為0.6688、AUC為0.7399，再根據此模型分析肝癌復發變項重要程度，以喝酒習慣為造成肝癌復發最重要的危險因子，其次為血型，淋巴管或血管侵犯則為危險因子第三名。建議醫療提供者可將本研究機器學習模型的預測結果作為參考，相信有助於提升病人預後效果，為醫病雙方帶來最大的價值，減少肝癌病人復發的機會。系所名稱：醫務管理學系碩士班thesis