Page 973 - TM_ปก E-Book SP Sharing 2025
P. 973
U23
ผลการใช้ Tree model เพื่อเพิ่มประสิทธิภาพการคัดกรอง UTI ด้วยปัญญาประดิษฐ์
นายสมพร ทาบัว
โรงพยาบาลภูเขียวเฉลิมพระเกียรติ จังหวัดชัยภูมิ เขตสุขภาพที่ 9
ประเภท วิชาการ
ความสำคัญของปัญหา
การติดเชื้อทางเดินปัสสาวะ (Urinary Tract Infection: UTI) เป็นภาวะที่พบได้บ่อย โดยเฉพาะ
ในกลุ่มเพศหญิงและผู้สูงอายุ ซึ่งมักมีอาการไม่รุนแรงและสามารถรักษาให้หายได้ด้วยการใช้ยาปฏิชีวนะทั่วไป
อย่างไรก็ตาม ในบางกรณีผู้ป่วยอาจมีอาการรุนแรงถึงขั้นต้องเข้ารับการรักษาในโรงพยาบาล การวินิจฉัยโรค
UTI จำเป็นต้องอาศัยข้อมูลจากอาการทางคลินิกควบคู่กับผลการตรวจทางห้องปฏิบัติการ เช่น การตรวจ
ปัสสาวะภายใต้กล้องจุลทรรศน์ การเพาะเชื้อ และการทดสอบความไวต่อสารต้านจุลชีพ ซึ่งเป็นกระบวนการที่
ใช้เวลาและทรัพยากรในการวิเคราะห์ค่อนข้างมาก ในยุคปัจจุบัน เทคโนโลยีปัญญาประดิษฐ์ (Artificial
Intelligence : A I ) ได้เข้ามามีบทบาทสำคัญในวงการแพทย์ โดยเฉพาะการวิเคราะห์ข้อมูล
ทางคลินิกเพื่อสนับสนุนการวินิจฉัยโรคอย่างแม่นยำและรวดเร็ว รูปแบบของ Tree Model ซึ่งเป็นหนึ่งใน
เทคนิคของ AI ที่สามารถจำแนกและประเมินความเสี่ยงจากข้อมูลเบื้องต้นได้อย่างมีประสิทธิภาพ จึงมี
ศักยภาพสูงในการประยุกต์ใช้เพื่อช่วยในการคัดกรองผู้ป่วยที่มีแนวโน้มจะติดเชื้อ UTI ได้ตั้งแต่ขั้นตอนแรกของ
การตรวจวินิจฉัย จากเหตุผลดังกล่าว ผู้วิจัยจึงมีความสนใจในการนำ Tree Model หรือโมเดลต้นไม้ตัดสินใจ
มาวิเคราะห์ข้อมูลจากการตรวจปัสสาวะเบื้องต้น เพื่อประเมินประสิทธิภาพในการคัดกรองผู้ป่วยที่มีความเสี่ยง
ต่อการติดเชื้อ UTI อันจะนำไปสู่การวางแผนการรักษาที่รวดเร็วและแม่นยำยิ่งขึ้น
วัตถุประสงค์การศึกษา
เพื่อพัฒนาโมเดลทางปัญญาประดิษฐ์ โดยใช้ Tree Model ในการคัดกรองผู้ป่วยที่มีความเสี่ยง
โรคติดเชื้อทางเดินปัสสาวะจากผลตรวจทางห้องปฏิบัติการเบื้องต้น
วิธีการศึกษา
ประเภทการศึกษาวิจัย R&D รวบรวมข้อมูลจากฐานข้อมูลระบบสารสนเทศของโรงพยาบาล
ข้อมูลที่ใช้ ข้อมูลย้อนหลังจากโรงพยาบาล ปีงบประมาณ 2567, ตัวแปรต้น : ข้อมูลผลตรวจปัสสาวะ,
ตัวแปรตาม : ผลเพาะเชื้อ หาความไวและความจำเพาะ, ปริมาณงานและค่าใช้จ่าย
การสร้างแบบจำลอง (Modeling) ด้วยโปรแกรม Weka ได้แก่ Data Preparation ในรูปแบบ
ไฟล์ arff, Feature Selection : เลือกตัวแปรที่เกี่ยวข้องกับการวินิจฉัย UTI, Model Selection
ผู้วิจัยเลือกใช้แบบจำลองในกลุ่ม Tree Model ได้แก่ J48 (Decision Tree) เพื่อวิเคราะห์ข้อมูล,
Model Evaluation : ประเมินประสิทธิภาพตรวจสอบความถูกต้องแบบ Cross-validation ได้แก่ Accuracy,
