การพัฒนาตัวแบบทำนายสัญญาณเตือนโรคมะเร็งลำไส้ใหญ่และทวารหนัก

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาตัวแบบทำนายที่เหมาะสมที่สุด และนำไปพัฒนารูปแบบการประเมินความเสี่ยงใช้เป็นสัญญาณเตือนการเกิดโรคมะเร็งลำไส้ใหญ่และทวารหนัก ด้วยวิธีการจำแนกกลุ่มมี 5 อัลกอริทึม ได้แก่ Naive Bayes Classifier, Decision Tree, Random Forest, Deep Leaning และ Logistic Regression Analysis โดยการเปรียบเทียบประสิทธิภาพการทำนาย จะพิจารณาค่าความถูกต้อง (Accuracy) ค่า Precision ค่า Recall และค่าคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) การศึกษาครั้งนี้ได้รวบรวมข้อมูลของผู้ป่วยในโรงพยาบาลนครปฐม จำนวน 396 ตัวอย่าง มี 7 แอททริบิวต์ ในส่วนวิธีการวิจัยจะใช้วิธีแบ่งข้อมูลออกเป็น 5 ส่วน หรือ 5 Fold Cross-Validation โดยการสุ่มข้อมูลเพื่อแบ่งข้อมูลออกเป็น 5 ส่วน และทำการเลือกข้อมูล 4 ส่วนเรียกว่าข้อมูลการเรียนรู้ (Training Data) นำมาสร้างตัวแบบ ทั้ง 5 อัลกอริทึม และสุ่มเลือกข้อมูล 1 ส่วนเรียกว่าข้อมูลตรวจสอบ (Testing Data) นำไปประเมินความผิดพลาดของตัวแบบ ผลการวิจัยพบว่าวิธี Logistic Regression Analysis ค่าความถูกต้อง ค่า Precision ค่า Recall และค่า RMSE คือ 92.41% 0.90 1.0 และ 0.24 ตามลำดับ เนื่องจากเป็นเทคนิคเพื่อการทำนายจะใช้เมื่อตัวแปรตาม (Dependent Variable) เป็นตัวแปรคุณภาพ ส่วนตัวแปรอิสระ (Independent Variable) หรือตัวแปรทำนายเป็นได้ทั้งตัวแปรคุณภาพ (เพศ) และตัวแปรเชิงปริมาณที่มีค่าต่อเนื่อง (อายุ และ Carcinoembryonic Antigen (CEA), Haemoglobin (HGB), White Blood Cells (WBC), Haematocrit (Hct), Thrombocyte (Plt) ดังนั้นวิธี Logistic Regression Analysis จึงมีประสิทธิภาพในการทำนายผลดีที่สุด