การพัฒนาตัวแบบสำหรับคัดกรองผู้ป่วยภาวะสมองเสื่อมในระยะเริ่มแรก ด้วยเทคนิคการเรียนรู้ของเครื่อง

บทคัดย่อ

การตรวจพบภาวะสมองเสื่อมตั้งแต่ระยะเริ่มต้นอย่างแม่นยำเป็นสิ่งสำคัญต่อการจัดการที่มี ประสิทธิภาพ การศึกษานี้มุ่งพัฒนาและเปรียบเทียบประสิทธิภาพของตัวแบบการเรียนรู้ของเครื่อง 3 เทคนิค ได้แก่ เทคนิคต้นไม้ป่าสุ่ม เทคนิคการวิเคราะห์การถดถอยโลจิสติก และเทคนิคซัพพอ ร์ต เวกเตอร์แมชชีน สำหรับการคัดกรองภาวะสมองเสื่อม โดยใช้ชุดข้อมูล 1,842 ตัวอย่าง ประกอบด้วย ข้อมูลภาวะสมองเสื่อมและข้อมูลปัจจัยด้านสุขภาพ 18 รายการ นำมาวิเคราะห์ข้อมูลและพัฒนา แบบจำลองตามกระบวนการมาตรฐานในการทำเหมืองข้อมูล (CRISP-DM) ประเมินประสิทธิภาพโดย ใช้ความแม่นยำประสิทธิภาพโดยรวม ความไว และความจำเพาะ ผลการศึกษาพบว่าเทคนิคการ วิเคราะห์การถดถอยโลจิสติกมีความแม่นยำสูงสุด (94.03%) ตามด้วยเทคนิคต้นไม้ป่าสุ่ม (93.60%) และเทคนิคซัพพอร์ตเวกเตอร์แมชชีน (92.56%) อีกทั้งเทคนิคการวิเคราะห์การถดถอยโลจิสติกยัง แสดงให้เห็นถึงประสิทธิภาพโดยรวมที่สูงกว่า (96.76%) ความไวที่ (99.51%) และความจำเพาะ (47.63%) การศึกษานี้บ่งชี้ถึงศักยภาพของเทคนิคการวิเคราะห์การถดถอยโลจิสติกในการคัดกรอง ภาวะสมองเสื่อม ซึ่งมีประสิทธิภาพเหนือกว่าเทคนิคต้นไม้ป่าสุ่มและเทคนิคซัพพอร์ตเวกเตอร์แมชชีน ในแง่ของความแม่นยำ ประสิทธิภาพ และการจำแนกประเภทที่สมดุล การค้นพบนี้สนับสนุนการ พัฒนาเครื่องมือที่ใช้การเรียนรู้ของเครื่องเพื่อช่วยในการตัดสินใจทางคลินิกในการวินิจฉัยภาวะสมอง เสื่อมและการวางแผนการรักษาอย่างมีประสิทธิภาพ