การพัฒนาแบบจำลองเพื่อพยากรณ์แนวโน้มการเกิดภาวะเลือดออกในผู้ป่วยที่ใช้ยาวาร์ฟาริน ด้วยวิธีวิเคราะห์องค์ประกอบหลักร่วมกับโครงข่ายประสาทเทียม

Abstract

การศึกษานี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองสำหรับทำนายภาวะเลือดออกในผู้ป่วยที่ ได้รับยาวาร์ฟาริน เป็นการศึกษาเชิงสังเกตแบบย้อนหลัง จากข้อมูลผู้ป่วยนอกที่ได้รับยาวาร์ฟาริน 304 ราย ณ โรงพยาบาลพระจอมเกล้า จ.เพชรบุรี โดยนำข้อมูลการเกิดภาวะเลือดออกและปัจจัยเสี่ยงทั้งหมด 24 ปัจจัย มาทำการวิเคราะห์องค์ประกอบหลัก ได้ปัจจัยที่สัมพันธ์ต่อการเกิดภาวะเลือดออก 19 ปัจจัย จากนั้นจึงนำ 19 ปัจจัยดังกล่าวเป็นข้อมูลนำเข้าในการสร้างแบบจำลองโครงข่ายประสาทเทียมแบบแพร่ ย้อนกลับที่ใช้ข้อมูลนำเข้าที่ผ่านขั้นตอนการแปลงค่าตัวแปรและไม่ผ่านขั้นตอนการแปลงค่าตัวแปรด้วย วิธีวิเคราะห์องค์ประกอบหลัก แล้วนำผลลัพธ์ของทั้งสองแบบจำลอง (1. แบบจำลองโครงข่ายประสาท เทียมที่ใช้ข้อมูลนำเข้าทั้งหมด 19 ปัจจัย กับ 2. แบบจำลองโครงข่ายประสาทเทียมที่ใช้ข้อมูลนำเข้าที่ ผ่านขั้นตอนการแปลงค่าตัวแปรด้วยวิธีวิเคราะห์องค์ประกอบหลัก) มาเปรียบเทียบกันพบว่า แบบจำลองโครงข่ายประสาทเทียมที่ใช้ข้อมูลนำเข้าที่ผ่านขั้นตอนการแปลงค่าตัวแปรด้วยวิธีวิเคราะห์ องค์ประกอบหลัก สามารถทำนายภาวะเลือดออกได้ดีกว่าแบบจำลองโครงข่ายประสาทเทียมที่ใช้ข้อมูล นำเข้าทั้งหมดโดยให้ค่าความถูกต้อง ร้อยละ 87.10 และค่าความไว ร้อยละ 84.21 ที่อัตราเร็วในการ เรียนรู้ 0.7 สัมประสิทธิ์โมเมนตัม 0.3 จำนวนรอบการเรียนรู้ 2500 รอบ และจำนวนหน่วยประมวลผล ย่อยในชั้นซ่อน 11 หน่วย The purpose of this study was to develop the predictive model for bleeding tendency in patient treated with warfarin. It was a retrospective study. A total of 304 warfarin-treated patients at Phrachomklao hospital were included. Bleeding events and 24 risk factors were assessed and used for principle component analysis (PCA). PCA results suggested that bleeding events were associated with 19 risk factors. Those 19 factors, then were used as the input data for development of the backpropagation artificial neural network (ANN) models as the PCA-treated and PCA-untreated data. Comparison of those two ANN predictive models were performed (1.model developed using 19 risk factors PCA-untreated data VS. 2. model developed using 19 risk factors PCA-treated data). The result indicates that ANN predictive model using PCA-treated data predicts bleeding event better than the other one with the accuracy rate of 87.10% and sensitivity rate of 84.21%. The optimized learning rate, momentum coefficient, training time, and hidden node were 0.7, 0.3, 2500, and 11, respectively.