การทำนายภาวะเลือดเป็นกรดจากแลคติกที่สัมพันธ์กับการใช้ยาเมทฟอร์มิน ด้วยเทคนิคการเรียนรู้ของเครื่อง: กรณีศึกษาโรงพยาบาลสุรินทร์

บทคัดย่อ

วัตถุประสงค์: พัฒนาแบบจำลองการทำนายภาวะเลือดเป็นกรดจากแลคติกที่สัมพันธ์กับการใช้ยาเมทฟอร์มิน (metformin-associated lactic acidosis: MALA) และเปรียบเทียบผลการทำนายภาวะ MALA จากแบบจำลองด้วยเทคนิคการเรียนรู้ของเครื่องแต่ละประเภท วิธีการ: การศึกษาเก็บข้อมูลแบบย้อนหลังจากเวชระเบียนอิเล็กทรอนิกส์ของผู้ป่วยเบาหวานอายุ 18 ปีขึ้นไปที่ได้รับยาเมทฟอร์มินของโรงพยาบาลสุรินทร์ ระหว่าง มกราคม 2560 ถึง ธันวาคม 2564 ปัจจัยที่นำมาสร้างแบบจำลองคือ ค่าดัชนีมวลกาย ขนาดยาเมทฟอร์มินที่ได้รับต่อวัน โรคอ้วน การได้ NSAIDs ใน 6 เดือน การได้รับยากลุ่ม thiazides การได้รับยากลุ่ม beta blockers การได้รับยากลุ่ม statins ระดับการทำงานของไต ภาวะไขมันในเลือดผิดปกติ และระยะเวลาที่ได้รับการวินิจฉัยโรคเบาหวาน การศึกษาใช้เทคนิคการเรียนรู้ของเครื่องชนิดมีผู้สอนแบบแบ่งแยกประเภท เทคนิคการเรียนรู้ของเครื่องที่ใช้ได้แก่ Logistic Regression (LR), Multi-layer Perceptron (MLP), Support Vector Machine (SVM) และ Random Forest (RF) ผลการวิจัย: ผู้ป่วยเบาหวานที่ได้รับยาเมทฟอร์มิน 8,505 ราย แบ่งเป็นผู้ป่วยเบาหวานปกติ 8,387 ราย และผู้ป่วยเบาหวานที่เกิดภาวะ MALA 118 ราย แบบจำลองจากเทคนิค RF และ MLP มีความถูกต้องมากกว่า LR อย่างมีนัยสำคัญ เมื่อทดสอบพบแบบจำลองจาก RF ให้ค่า sensitivity 93.30%, specificity 93.57%, accuracy 95.26%, และ AUROC 0.992  สรุป: แบบจำลองการทำนายภาวะ MALA ด้วยเทคนิคการเรียนรู้ของเครื่องโดยเทคนิค RF ให้แบบจำลองที่มีประสิทธิภาพสูงสุด