用藥疏失常造成醫療資源浪費問題,進而增加不少的社會成本。泛可黴素因藥物作用範圍狹窄,若無法充分掌握藥物的作用結果,常會引起藥物在人體的毒性反應或抗藥性的副作用。在臨床上,醫療機構雖以藥物血中濃度監測程序(TDM)協助醫藥人員監控藥物在病患身上的作用結果,藉以調整藥物的用量與使用方式。然而,對於初次使用泛可黴素的病患而言,TDM程序卻無法有效地協助醫藥人員事先評估泛可黴素對於病患的影響,因此造成TDM程序在確保全面用藥安全上的限制。
資料探勘技術已經廣泛地被應用在各項醫療研究上,也印證資料探勘從資料中所萃取潛在知識可用於醫療決策輔助的可行性。本研究嘗試運用資料探勘技術中的C4.5決策樹分析法及倒傳式類神經網路,從醫療單位對泛可黴素進行TDM監控的歷史案例中,建構出可用以預測泛可黴素在病患身上的作用結果之分類模式,用以協助醫藥人員掌握泛可黴素的療效,進而提升泛可黴素的用藥安全及用藥品質、降低可能的醫療資源浪費。
實驗結果顯示,利用Bagging及AdaBoost兩項分類效能提昇技術可提昇以C4.5或倒傳遞類神經網路所建構的單一分類器,其中利用C4.5+AdaBoost所建構之委員會機器預測模型,其整體正確辨識率也達到79.65%,比專家原有預測正確率的41.38%更準確的預測出用量的適當性;該委員會機器對於藥物用量適當的Y類別及藥物用量不適當的N類別也都有78.75%及80.28%的類別正確預測率。因此,本研究所用以建構用藥適當性的預測模式的方法,應能協助醫藥人員建構適當的用藥預測模型,而產生有效的用藥決策建議。
|