以精準化學治療減緩高風險群病人之腎毒性:個人化特徵貢獻與多元迴歸分析比較研究

本計畫將以機器學習模型之特徵重要性及多重迴歸風險因子分析發展化療藥物引起腎毒性之個人化減緩策略。本研究將以臺北醫學大學臨床研究資料庫作為訓練組，並以台北榮民總醫院資料作測試組。首先選擇最佳機器學習模型，並解釋模型之特徵重要性及交互作用。其次再以多重邏輯斯迴歸找出顯著的危險因子來建立風險評分系統。第三步比較前述兩種方法在高風險族群中特徵重要性及風險因子並進行綜合比較。第四步則運用個人風險特徵重要性建立臨床建議，以預防化學治療藥物引起之腎毒性。第五，結合臨床決策支持系統，建立個人化腎毒性之臨床建議平台。