banner banner banner banner

網站統計

734797
今日
昨日
本週
上週
本月
上月
總計
550
466
2377
728570
11291
15907
734797

應用機器學習分析電子病歷以進行中風亞型之分類

神經內科 宋昇峯醫師

 

        缺血性腦中風是全世界導致成人死亡或殘疾的主要原因之一,但是腦中風的表現相當多樣化,想要研究缺血性腦中風或預估缺血性腦中風病人之預後,必須先將缺血性中風加以分類。但是,當病人數量很龐大時,這項分類的工作並不容易完成。傳統臨床研究的中風亞型分類,必須以人工閱讀病歷內容後,依照病歷之記載來判斷。本研究的目的是發展人工智慧,使用機器學習之方式,讓電腦來閱讀缺血性腦中風病人之電子病歷,除了使用病歷中之結構化資料,例如中風指數外,同時使用了病歷中的非結構化資料,也就是文字的部分,綜合上述兩種資料,來判斷病人缺血性中風之亞型。

 

      本研究一共納入4640位因缺血性中風住院之病人,這些病人之病歷文字內容,先經過自然語言處理,摘取文字中所包含之醫學概念,之後再將這些醫學概念轉換為代表該位病人之特徵向量。接著,我們使用數種機器學習之演算法來學習如何替這些缺血性中風病人,依照Oxfordshire的中風分類法來分別其中風之亞型。同時,因為中風之亞型共有四種,因此我們也實驗了不同之分類法,包括多元分類器、或整合多個二元分類器等分類法。

        此研究之結果顯示,病歷之文字資料的確可以增進缺血性腦中風自動化中風亞型分類之效能,且整合多個二元分類器之效能比單一多元分類器好。雖然整體而言,自動化分類之正確性仍然差強人意,但此研究探討了機器學習於中風亞型分類之應用,為未來更進階之人工智慧醫療奠下基礎。

 

相關訊息已發表於IEEE J Biomed Health Inform. 2020 Feb 28. doi:10.1109/JBHI.2020.2976931.