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

Abstract

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。

Spontaneous intracerebral hemorrhage (ICH) is a common major medical emergency. Advances in medical treatment and the spectrum of surgical interventions in recent years have altered the prognosis of patients with cerebral infarction. However, spontaneous ICH, which accounts for 10-20% of all strokes, is still the deadliest, most disabling, and least treatable type of stroke. If there is an effective mortality prediction model for spontaneous ICH, it will be useful for providing patients with an insight into the potential risk of complications and mortality. This model ultimately aid in the clinical decision for surgical versus non-surgical therapy, and are useful in comparing the quality of care between different surgeons and hospitals. Herein, we will try to construct an artificial intelligent based prediction model for the outcome of spontaneous ICH.