Browsing by Author "YANG TEN-FANG"

Now showing 1 - 3 of 3

人工智慧輔助診斷方法應用於急診室出血性中風預後預測之研究
(2012)
楊騰芳
;
YANG TEN-FANG
;
國立交通大學生物科技學系（所）
自發性腦出血主要原因為長期的高血壓，而東方人及黑人較白種人的發生率高。近年來台灣地區隨著醫療進步，血壓獲得良好的控制，腦出血的比率已逐年下降，目前35 歲以上每10 萬人口每年約有73 人，佔所有中風患者的22﹪。雖然腦出血患者只佔中風患者的五分之一左右，然而，腦出血這種疾病至今仍然沒有一個很好的治療方式，腦出血的病人預後也往往都不如腦梗塞的病人，尤其中風死亡的患者中，腦出血病患更是佔了很大的一部分。自發性腦出血的病患多是到急診求診，然而，當急診醫師面對此類病患要擬定治療策略時，卻沒有一個值得信賴的疾病預後預測系統可以使用，這使得急診醫師只能依據自己的經驗來預估病人的預後，進而擬定治療策略，然而，若因經驗不足而錯估病情，將使得病患得不到適當的照顧及治療，進而可能危害到病患的生命，因此，發展一套可供急診部門使用的自發性腦出血預後預測系統將是非常迫切且重要的。人工智慧自1950 年代開始蓬勃發展，至今衍生出許多資訊系統來幫助決策的進行。其中利用神經生物學發展而來的類神經網路(Artificial Neural Networks, ANN)，更是因其平行運算及高度容錯的特性，而常被用於大量且複雜資料的分類。而臨床醫學分析本來就具有資料量大且繁雜的特性，因此自 1985 年起，開始有人將類神經網路應用於醫療決策上。目的：本研究希望利用類神經網路架構一個適合急診部使用的自發性腦出血病患之預後預測系統。此預測系統為適合急診部醫師使用，所使用之參數必須是可以輕易在病人就診早期就可以取得的。方法：本研究將以回溯性的方式收集台灣中部某醫學中心某段期間內，經急診住院、主診斷為腦出血的病人，並回溯病歷收集相關的潛在影響參數，包括臨床參數、影像學參數以及實驗室參數。以此參數架構出新的預測系統，將收集的病人隨機分為訓練模組和測試模組。輸出變數則定義為在腦出血 30 天內是否發生死亡。同時並以相同的參數建構一組Logistic regression 的預測模型，並同時計算測試模組病患的ICH score，此為傳統評估腦出血病患預後的預測系統。當以訓練模組建構出類神經網路預測系統後，再以測試模組測試預測的準確度，並將類神經網路預測模組、Logistic regression 預測模組以及ICH score 的預測結果互相比較。
人工智慧輔助診斷方法於急診部急性上消化道出血內視鏡治療之研究
(2011)
楊騰芳
;
YANG TEN-FANG
;
國立交通大學生物科技學系（所）
上消化道出血是一個很常見的疾病，隨著醫療技術的發展，其治療的方式有許多的選擇，除了可以嘗試用藥物控制其出血外，內視鏡的發展、放射診斷與治療的進步以及手術方式的改進，使得這種疾病的病人大部分都可以獲得很好的治療。在這些治療的方法中，藥物的使用對病人是最沒有侵入性的，而且隨著更強效藥物的發展，使得藥物在上消化道出血病人治療的過程中扮演著越來越重要的角色。然而，消化道出血仍首重絕對的止血方式，只要有符合使用侵入性的止血方式，仍然必須盡快幫病人安排，以避免病人因持續的出血而造成休克或死亡等嚴重的併發症。在這些侵入性的治療方式當中，相對而言又以內視鏡的治療較為安全且較少併發症。且隨著燒灼和止血藥物注射等技術的發展，許多在以往必須以手術止血的病例，現今也都能夠以內視鏡來處理。因此，只要病人情況許可，在判斷病人有需要絕對的止血方式時，應以內視鏡止血做為第一考量。急性上消化道出血的病人通常都是先到急診室求診，然而，並不是每個急診室都隨時可以安排緊急內視鏡治療，也不是每個上消化道出血的病人，都需要安排緊急內視鏡治療。臨床上對於何種病人必須安排緊急內視鏡止血，也尚未有一個共識。因此，急診室醫師在面對急性上消化道出血的病人，在決定何時該會診腸胃科醫師執行緊急內視鏡或將病人轉診到可以安排緊急內視鏡止血的醫院，對於病人的預後以及醫療資源的運用非常重要。人工智慧自1950 年代開始蓬勃發展，至今衍生出許多資訊系統來幫助決策的進行。其中利用神經生物學發展而來的類神經網路(Artificial Neural Networks, ANN)，更是因其平行運算及高度容錯的特性，而常被用於大量且複雜資料的分類。而臨床醫學分析本來就具有資料量大且繁雜的特性，因此自1985 年起，開始有人將類神經網路應用於醫療決策上。目的：本研究希望利用類神經網路架構一個適合急診部使用的啟動緊急內視鏡來治療急性上消化道出血病人之決策輔助系統。此輔助系統為適合急診部醫師使用，所使用之參數必須是可以輕易在病人就診早期就可以取得的。方法：本研究將以回溯性的方式收集台灣中部某醫學中心某段期間內，經急診住院、主診斷為急性上消化道出血且住院期間曾接受胃鏡檢查的病人，並回溯病歷收集相關的潛在影響參數，以此參數架構出新的預測系統。將收集的病人隨機分為訓練模組和測試模組。輸出變數則定義為在內視鏡的觀察下，是否需要執行止血 (hemostasis) 的程序。依照過去的研究，只有高風險的黏膜傷口 (high risk lesions)，亦即急性動脈出血(active arterial bleeding)或雖未出血但血管怒張(non-bleeding visible or spurt vessels)或有血塊(adherent blood clot)的情況皆應以內視鏡執行止血。同時並以相同的參數建構一組Logistic regression 的預測模型，並同時計算測試模組病患的Rockall numerical risk score，此為傳統評估急性上消化道出血病患嚴重度的預測系統。當以訓練模組建構出類神經網路預測系統後，再以測試模組測試預測的準確度，並將類神經網路預測模組、Logistic regression 預測模組以及Rockall numerical risk scoring system 的預測結果互相比較。
電腦輔助之高血壓實證醫學臨床診療指引系統之實際應用
(2008)
楊騰芳
;
YANG TEN-FANG
;
國立交通大學生物科技學系(所)
本計畫旨在建立一知識蒐錄整理並管理相關知識的實證醫學臨床高血壓診療指引平台，能蒐集文獻並配合實際案例做搜尋，協助醫學生或住院醫師甚至主治醫師進行臨床學習。檢驗、診斷與處方等為結構化的資料，文獻等皆為文字是非結構式資料，要協助醫學院學生或駐院醫師執行有系統的學習，就在於將這些資訊有序化成組織式的規則知識，搭配臨床個案，成為Evidence-based 之case-based 式之學習，其中視覺化診療指引就能提供良好的輔助。有研究指出臨床診療指引在臨床實際應用上沒有效益是因為其繁複的書面資料所致，而電腦輔助之視覺化臨床診療指引不僅提高臨床使用率也增進病人的預後。