應用機器學習方法於客製化邀請以提高定期接受糞便潛血篩檢及大腸鏡轉介率成效：以到院篩檢為主

背景：我國2004年以免疫化學法之糞便潛血檢測進行全國性大腸直腸癌篩檢，截至目前，晚期癌症及死亡率皆呈現下降。為提高篩檢涵蓋率，2010年篩檢模式推展至到院篩檢且目前糞便潛血到院篩檢成長超過4倍。目前面臨規律每兩年再參加篩檢及提高陽性個案轉介率之挑戰，須克服以提高大腸直腸癌篩檢成效。研究目的：應用機器學習方法進行到院規律篩檢、陽性個案接受大腸鏡轉介與否之預測模式建立，有效區分民眾特性及參加傾向程度，作為客製化邀請之分層。進一步以隨機分派研究評估手機邀請再篩檢、提醒大腸鏡確診對於不同族群之成效評估。研究方法：首先以回溯性世代資料，分別以2011-2018年應參加再次篩檢個案、2010-2019年糞便潛血陽性個案作為規律再次參加篩檢、陽性個案完成轉介與否之預測模式建立及驗證，該模式並針對不同醫院層級及地理區域進行模型參數探討。本計畫以羅吉斯回歸分析及機器學習方法進行分析，包括Artificial Neural Network, gradient boosting machine, SVM, random forest等方法，並以5-fold交叉驗證方法進行模式調整及驗證，並進行模式比較。將獲得之族群特徵歸類/傾向程度區分後，以隨機分派試驗探討客製化手機簡訊介入成效評估，以了解對於不同族群之成效比較。以AUROC及APR (Area under the precision-recall curve)指標進行不同模型間比較。預期結果：利用醫院及篩檢大數據資料庫結合機器學習方法，可以預測規律再次參加篩檢、陽性個案接受轉介之特徵族群及參與傾向，並評估電話簡訊邀約及轉介提醒之成效。

系統編號:PC10907-0936
原計畫編號:MOST109-2314-B182-038-MY3