以類神經網路模式輔助外科重症病人預測死亡機率

背景：本文以類神經網路（Artificial Neural Network, ANN）資料探勘（Datamining）演算法分析2012年1-5月某醫學中心外科加護病房轉入病人（n=588）之基本人口學資料、入住加護病房日數、轉入加護病房原因及住院24小時、48小時及轉出（或出院當日）之疾病嚴重度等7個變項建構預測模式，以探討影響死亡預測因子之相關數值。方法：資料來源為2012年1-5月轉入外科加護病房之病人共588人，其中死亡人數共54人，死亡率為9.1%。以STATISTICA軟體隨機選取441位病人作為訓練組，佔全體病人的75%；147位病人作為測試組，佔全體病人的25%。利用多層次類神經網路（MLP）方式建立最佳化的預測模型為MLP 59-19-2，輸出變數：病人出院時死亡、病危自動出院為1，存活為2。結果：疾病嚴重度分數高確實有較高之死亡機會，死亡預測準確率（Accuracy）達96.9%，訓練組ROC曲線下面積為0.975，靈敏度（Sensitivity）為78.8%，特異性（Specificity）為98.7%。結論：本研究結果證實疾病嚴重度確實與較高之死亡相關，其準確率、靈敏度與特異性皆非常高。此外，本研究結果顯示，非顱內出血相關疾病之病人，較少發生非預期之死亡；而顱內出血之病人，則醫師較能提前預知疾病預後不佳，並進而對家屬推薦重症安寧照顧理念。