講義ch16 實務論文反饋教學 醫療檢驗數據之肝腎病症鑑別研究(nssse2014)

實務論文反饋教學 醫療檢驗數據之 肝腎病症鑑別研究

摘要  本文主要透過類神經網路進行醫療數據之肝

腎病症判斷。利用一般的醫療檢驗數據，建 構類神經網路來進行肝腎病症鑑別。  本研究之結果可作為輔助醫師在肝腎病症的

診斷上給予協助，藉以減少醫師工作負擔， 進而改善與提高醫療品質。

前言

 國人僅對GOT及GPT這兩肝功能指

數項目是相當熟悉的 B 肝檢測項目， 對血中尿素氮、肌酸酐、尿酸(UA) 為印象腎臟判斷之依據，但其實皆 不盡然，所以包含其他參數項目作 為更有利的肝腎病症判斷。

肝腎症候群  欲探討肝病與腎病患者是否有合併症狀之發生的可

能性，又或者是肝硬化患者的腎臟功能異常的情況 合併產生，因腎臟功能同時也是測試患者術後的重 要因子，尤其是在接受肝臟移植的患者。透過研究 對肝腎異常病症有更完整的了解與制定治療方針。  肝腎症候群(hepatorenal syndrome，縮寫HRS) ，某 些肝硬化或者急性肝衰竭病人出現的危急生命的病 徵，通常表現為腎功能的快速惡化。通常發生在機 體急性損傷而導致肝功能快速惡化的時候。

關於肝腎疾病之認識  近年於醫學上已有關於肝腎臟疾病的研

究及醫療方法，有增長的進展與控制其 發生，例如:肝病末期的患者可觀察到尿 量逐漸減少，腎功能逐漸衰退，這種病 症的發生就有可能是肝硬化患者出現低 血量的狀況，導致急性腎臟損傷。

研究方法  類神經網路(Neural network)是一種計算

系統，包括軟體與硬體，使用相連的人 工神經元來模仿生物神經網路的能力。 係從外界環境或者其他人工神經元取得 資訊，透過大量簡單的運算，最後輸出 其結果到外界環境或者其他人工神經元。

目的 1) 透過建立檢測方式的模擬，鑑別醫療 數據

是否有患肝腎病症，並能有效的判斷，降低 鑑別的誤判率 2) 使患者能了解自身的健康狀況，及早接受治 療，便能有效的控制病情惡化的發生 3) 期許潛藏在肝腎病症的可能性，提供給醫師 作為輔助診斷或快速篩檢患者資料使用

類神經系統模擬  本論文利用2595筆數據，透過matlab中

的nntool執行類神經的運用。建構出類神 經網路架構圖作為訓練，找出最佳的相 關係數。可從醫療檢驗數據(訓練範圍 0~1)，值為0代表鑑別出無肝病，值為1 代表鑑別有肝腎疾病之可能性。

綜合判斷第三組19-80-2的類神 綜合判斷第三組 的類神 經結構成功率較佳，但測試 1000筆的數據資料最適用於醫 療資訊分析的類神經結構為第 一組。

肝腎輸入類神經結構 判斷RMS及成功率 內容 類神經結 訓練組 組別 構 數 一

19-80-2

1000

二

19-100-2

1000

三

19-80-2

500

四

19-80-2

1500

RMS 0.0832 0.0937 0.0952 0.1211 0.1186 0.1308 0.1187 0.2043 0.1967 0.1424 0.0906 0.0987

0.0704 0.0598 0.0593 0.0496 0.0433 0.0459 0.0774 0.0447 0.0447 0.4553 0.0633 0.0695

測試組數 500 1000 1500 500 1000 1500 200 500 1000 200 500 1000

成功率(%) 85% 81.3% 80.4% 87% 84% 83.5% 88.5% 90% 94.5% 88.5% 94.2% 95.4%

96% 95.3% 95.3% 96.4% 95% 95.2% 97% 98.2% 98.2% 99% 97.8% 97.5%

判斷第四組11-100-1的類神經 判斷第四組 的類神經 結構成功率較佳，但測試 1000筆的數據資料最適用於 醫療資訊分析的類神經結構為 第一組。

肝輸入類神經結構判 斷RMS及成功率 內容 類神經結 訓練組 構 數

組別 一

11-100-1 1000

二

11-110-1 1000

三

11-100-1

四

11-100-1 1500

500

RMS

測試組數

成功率(%)

0.0483 0.0662 0.0611 0.1366 0.1421 0.1404 0.1249 0.1216 0.1303 0.2072 0.1570 0.1647

500 1000 1500 500 1000 1500 500 1000 1500 200 500 1000

80.8% 80.5% 86% 90% 89.2% 89.5% 83.4% 79.8% 79.5% 85.5% 89.6% 87.8%

腎輸入類神經結構 判斷RMS及成功率 內容 類神經結 訓練組 構 數

組別 一

17-30-1

1000

二

17-90-1

1000

三

16-30-1

500

四

16-30-1

1000

發現17-90-1成功率較佳， 發現 ， 但不穩定，因此最適用於 醫療資訊分析的類神經結 構為17-30-1。

RMS

測試組數

成功率(%)

0.0611 0.0796 0.0727 0.0611 0.0447 0.0649 0.1669 0.1534 0.1675 0.1216 0.0856 0.1100

500 1000 1500 500 1000 1500 500 1000 1500 500 1000 1500

96.4% 95.1% 95.1% 96.4% 96% 94.1% 94.2% 93.6% 93.1% 97% 94% 94.5%

結論Ⅰ  本文由一般健康檢驗資料庫中得到2595組數據，

並應用類神經網路，創建類神經模組進行訓練與 測試，分析後可得出有效的醫療檢驗項目與人體 肝腎病症的關聯性，本文之判別具高準確性，對 肝腎病症的鑑別非常有幫助。  對於自身身體狀況未能多加注意的群眾，能自評 鑑別有無肝腎病症的潛在因子，結合醫療檢測結 果更能為自身作完善的保險。

結論Ⅱ  研究發現已罹患肝病的年齡層較為廣泛

於中老年齡層(45歲以上)，佔有8成的比 例，本文也發現以罹患腎病居多的年齡 層在65歲以上銀髮族，在銀髮族群中就 佔有8成，顯示出多數國人對肝腎病症的 忽視已造成銀髮族的身體負擔。

台灣

Proceedings of 2014 National Symposium on System Science and Engineering National Quemoy University, Kinmen, 21~23 June, 2014

國立金門大學

醫療檢驗數據之肝腎病症鑑別研究 江昭龍 a,*、劉沛怡 b 南開科技大學電子工程系(所) a, b

摘要 —本文主要透過類神經網路進行醫療數據之肝 腎病症判斷。利用一般的醫療檢驗數據，建構類神經網 路來進行肝腎病症鑑別。由一般健康檢查項目中，取麩 草酸轉氨脢(GOT)、麥胺丙酮酸轉胺脢(GPT)、鹼性磷 酸脢(ALK)、空腹血糖(glucose)、三酸甘油脂(TG)、總 膽固醇(T-CHO)、低密度脂蛋白膽固醇(LDL)、高密度 脂蛋白膽固醇(HDL)、澱粉酵素(AMYLASE)、血清鈉 (Na) 、 血 中 尿 素 氮 (BUN) 、 肌 酸 酐 (CREA) 、 尿 蛋 白 (PRO)、尿酸(UA)、血清鉀(K)、血清鈣(Ca)、血清鎂 (Mg)、尿糖(Sugar)、血壓(hypertension)等 19 項與肝腎 病症相關之健檢數據，可判斷出受測者是否罹有肝腎病 症之成功率可達 70%以上。本文之結果可作為輔助醫 師在肝腎病症的診斷上的協助，藉以減少醫師工作負 擔，進而改善與提高醫療品質。1 關鍵詞：類神經網路、肝腎病症、醫療檢驗數據。

一、 前言 隨著社會的進步，日前國人因工作的繁忙，壓力也 日益增長，使得身心負荷越趨沉重，因此於衛生署公布 2012 年國人十大主要死因的前十名中，肝臟相關疾病 佔有 9.3%以上，腎臟相關疾病佔 2.8%以上其順位排名 與 2011 年相同，排行中列表症狀有肺炎及慢性肝病與 肝硬化腎炎、腎病症候群及腎病變，其中又以惡性腫瘤 佔有 24.7%的肝與肝內膽管癌，是主要癌症標準死亡率 之變動。世界衛生組織(WTO)以 2000 年的世界標準人 口為基準，標準化的初估死亡率顯然低於粗死亡率，致 使國人平均壽命續增[1]。 國人僅對 GOT 及 GPT 這兩肝功能指數項目是相當 熟悉的 B 肝檢測項目，對血中尿素氮、肌酸酐、尿酸 (UA)為印象腎臟判斷之依據，但其實皆不盡然，所以包 含其他參數項目作為更有利的肝腎病症判斷。 報 告 研 究 指 出 過 去 十 九 世 紀 末 期 ， 由 Frerichs 和 Flint 最早提出慢性肝臟疾病會使病人腎功能受損的現 象，此指肝腎症候群(Hepatorrenal syndrome,HRS)，當 時觀察慢性肝病病人會合併有寡尿症，但腎功能病無異 常也無尿蛋白[2]。 欲探討肝病與腎病患者是否有合併症狀之發生的可 能性，又或者是肝硬化患者的腎臟功能異常的情況合併 產生，因腎臟功能同時也是測試患者術後的重要因子， 尤其是在接受肝臟移植的患者。透過研究對肝腎異常病 症有更完整的了解與制定治療方針 [3] 。 雖然目前已有相關文獻，但為使國人能自行依據健 康檢查報告判斷自身是否有無肝臟疾病之症狀，研究在 1

本研究由國科會贊助，計畫編號 NSC XX-0123-456-789。

探討使用類神經網路系統於應用在個人的健康管理方 面，是否達到個人健康狀況之標準值，進而協助醫師診 斷及分析肝功能之情形，透過檢查結果，以減少人為判 斷上的失誤，又可從不同的探討中分析其造成肝或腎病 之可能原因，給予治療上的建議。 通常人一般往往只注意表面上的數據範圍來界定是 否罹病的跡象，不太會深入去察覺背後所隱含的意義。 本文藉由運用重要界定肝腎疾病的體檢項目以及一般體 檢項目間的關聯法則。本文以肝腎病症判斷作為基準， 期許能幫助受測者根據檢查項目的運作情形反應及探討 或分析造成肝腎病症的可能原因，給予患者更好的及早 治療，使對自己健康更有助益。

二、 關於肝腎疾病之認識 國人因病徵出現而前去醫院救治，通常這時已經到 了中晚期致使無法挽回，何不先對自己有個健康了解再 為自己的健康作個好打算。肝臟、腎疾病雖然令人感到 擔憂害怕，但近年於醫學上已有關於肝腎臟疾病的研究 及醫療方法，有增長的進展與控制其發生，例如:肝病 末期的患者可觀察到尿量逐漸減少，腎功能逐漸衰退， 這種病症的發生就有可能是肝硬化患者出現低血量的狀 況，導致急性腎臟損傷。 以下簡述其研究作簡單的肝臟、腎臟疾病的認識： 2.1 肝病 一般所稱「肝病」是指當肝臟受到病毒感染、藥 物、化學物質或酒精傷害而引起肝細胞發炎、壞死、受 傷或遭到破壞，導致肝臟整體機能呈現不足的狀態，致 使肝臟無法發揮正常機能的疾病[4]。 早期肝病擁有高死亡率主要在於沒有明顯症狀或症 狀隱匿而未能早發現及早治療，尤其是病毒性肝炎，如 乙型肝炎(HBV)、丙型肝炎(HCV)等，或是脂肪肝、肝 硬化患者，容易與基礎疾病的症狀混淆，因而錯過診治 時機[5]。 過去也有研究結合肝腎病症的醫療研究，故此研究 僅作簡單的說明加強對肝腎鑑別研究的印象。 2.2 腎病 慢性腎臟病是指腎臟產生慢性、不可逆性的損傷， 當腎功能損傷進展到最後階段極為末期腎臟病，俗稱尿 毒症(uremia)[6]，也有因為肝衰竭引起的急性腎衰竭研 究，於發生感染或低血溶的情形，所以為了解腎臟疾病 的認知，就以下其研究特質來判別腎臟疾病的影響因子 為何種情況的產生，造成腎臟疾病久久難癒。

Proceedings of 2014 National Symposium on System Science and Engineering National Quemoy University, Kinmen, 21~23 June, 2014

2.2.1依人口學特質 (1) 年齡 從統計數字資料顯示慢性腎臟病雖然可能發生於任 何年齡層，但盛行比率與年齡成正比[7]。透過研究證實 因為年齡的增加，慢性腎臟病的盛行率也越高。 (2) 性別 在 2004-2006 年於泰北某社區成人健檢資料進一步 發現出，腎絲球過濾率隨著年齡增加而下降，但又在 60 歲後，慢性腎臟病盛行率又急速上升，且女高於男 [8]。 (3) 家族史 在遺傳性腎臟病中，最常見的是多囊腎(polycystic kidney disease)，屬於顯性遺傳，大部分的患者在中年 之後腎臟開始出現囊泡，之後隨著年紀逐年增長，從囊 泡的大小與數量也會隨之增加。臨床上常見的症狀有高 血壓、血尿、腎臟感染、腎結石、蛋白尿，以及晚期明 顯的腰痛、腹脹情形。因此有家族史屬高危險群，應定 期追蹤才算是正確治療。 2.2.2依可改善或治療可降低之危險因子(併發症) (1) 糖尿病 糖尿病是醣類代謝異常之慢性疾病，造成原因主要 是指病患胰臟無法分泌足夠的胰島素幫助人體經由飲食 轉換的葡萄糖帶到細胞中，而導致血液中醣類或葡萄糖 不正常堆積，造成血液中的血糖值升高[9]。若能有效控 制導致慢性腎衰竭的原發病因，並且降低末期腎病變患 者，即可節省醫療資源的浪費，使更多患者能受更有效 的治療。 (2) 高血壓 高血壓與腎功能衰退有對應關係，許多患者在診斷 初期就已合併有高血壓症狀，而其所併發的心血管疾病 是慢性腎臟病患死亡最大原因。 (3) 高血脂 慢性腎臟病患有較高的高血脂盛行率，透過追蹤觀 察發現，血清肌酸酐稍微升高的患者，當血清總膽固醇 也升高時，對腎功能的惡化有顯著的增加[10]。因此降 低血脂的治療在慢性腎臟病中扮演重要的角色，透過降 低血脂可減緩腎功能衰退及心血管疾病併發的機會。 (4) 高尿酸血症 為了診斷痛風及觀察其治療情形。當尿酸過度增加 的情況下，會降低其在血液中的溶解度而形成結晶，免 疫系統會將其視為異物進行攻擊，於是引起發炎和嚴重 的腫痛，彷彿一陣風流竄全身，故為痛風。當尿酸鹽的 結晶沉積在腎臟，也會引發腎功能障礙的疾病(痛風 腎)。須避免食用高普林之食品。高於基準值時則稱為 高尿酸血症，大部分都是屬於尿液中排出過量尿酸所引 起的腎性高尿酸血症[11]。 (5) 肥胖 肥胖目前被證實與許多疾病相關，其中包含高血 壓、糖尿病、血脂異常、粥狀動脈硬化及慢性腎臟病， 主要是肥胖伴隨的高血脂與高血糖讓腎臟血管擴張，使 得腎絲球過濾率持續增加，使鈉離子再吸收，造成高血

台灣

國立金門大學

壓，之後出現的尿蛋白讓腎絲球血管硬化，最終腎失去 功能。 2.3 依行為因素 自身健康得預先做好把關，菸酒藥物之使用，只會 讓病情不受控制的擴大，倒不如健康的為自己考量，最 適行為就是早睡、早起、飲食清淡。

三、 研究方法 3.1 類神經網路(Neural Network, NN)應用 類神經網路(Neural network)是一種計算系統，包括 軟體與硬體，使用相連的人工神經元來模仿生物神經網 路的能力。係從外界環境或者其他人工神經元取得資 訊，透過大量簡單的運算，最後輸出其結果到外界環境 或者其他人工神經元。 3.2 目的 (1)透過建立檢測方式的模擬，鑑別醫療數據是否有 罹患肝腎病症；(2)使患者能了解自身的健康狀況，及早 接受治療，便能有效的控制病情惡化的發生；(3)提供給 醫師作為輔助診斷或快速篩檢罹患(肝腎病症)方法。 3.3 主要輸入項目 根據一般健康檢查中的常規檢查項目下，本研究採 計 19 種檢驗細項內容及其醫療上的意義簡述如下： (1) 肝功能檢查(GOT) (2) 麩胺基酸草醋酸轉氨基酶(GPT) 原本存於細胞中，當細胞遭到破壞時，這些酵素就 會從細胞中流出並釋放到血液裡，也就是說血液中如果 大量存在著這些物質，就表示許多細胞正遭受破壞。 GPT 是種會共同分解蛋白質並製造胺基酸的酵素，GOP 存在於肝臟、腎臟、心機與骨骼肌等處，而 GPT 幾乎 存在肝臟裡，少部分存於腎臟、心肌等處。因肝臟即使 出現異常，身體也不會有自覺性，因此有沉默的器官的 別號，故突顯定期健康檢查的重要性，基準：2~39，兩 者檢查項目過高時，有肝機能故障之疑慮。 (3) 鹼性磷酸脢(ALP) 通常被用來衡量肝臟、膽道或是骨骼等方面是否出 現異常的指標，為了觀察癌症或甲狀腺疾病的治療過程 也常會進行這項檢查。肝臟、小腸、腎臟或骨骼等處存 有大量的 ALP，但這些器官或骨骼的組織遭受破壞，原 本存於細胞內的 ALP 就會大量流入血液中，數值過高 表示體內某處的臟器受到損傷。通常都會搭配肝機能檢 查來進行綜合性判斷。 基準：110~340 U/I，ALP 值偏高而肝功能檢查職無 異常時，恐罹患癌症、甲狀腺機能亢進、尿毒症等與肝 臟機能無關的疾病。ALP 值偏高的情況下，肝功能檢查 值也過高時，則有可能是肝機能出現障礙。數值過高 時，疑似肝功能疾病、膽囊和膽道閉鎖或阻塞、肝癌、 骨骼相關疾病或癌細胞轉移至骨骼、甲狀腺機能亢進、 慢性腎衰竭。 (4) 空腹血糖

Proceedings of 2014 National Symposium on System Science and Engineering National Quemoy University, Kinmen, 21~23 June, 2014

以診斷糖尿病或觀察病情為目的所做的檢查，當人 體消化、分解食物中的碳水化合物並吸收到血液中時， 血糖值就會升高。 基準：110mg/dl 以下，數值過高時，可能罹患糖尿 病、餐後、肝病、肥胖、壓力等。數值過低時，疑似高 胰島素血症、腎上腺功能不全等。 (5) 三酸甘油脂 檢測是否因為飲食過量或運動不足而引起脂質異常 的檢查。 基準：35~150mg/dl，數值過高時，有可能是飲食過 量或運動不足造成的肥胖、糖尿病、腎病症候群、甲狀 腺機能減退、閉塞性黃疸、慘後或飲酒後等。 (6) 總膽固醇 總膽固醇是形成細胞膜或部分荷爾蒙的重要物質。 動脈硬化和血中脂質的多寡息息相關，而這項檢查就是 用來檢測膽固醇的數值。膽固醇屬於脂質類，無法溶解 於水中，因此在血液中會已與蛋白質結合後的脂蛋白形 態存在。脂蛋白成分與大小可分成好幾種類型。 (7) 高密度脂蛋白 HDL(高密度脂蛋白)和 LDL(低密度脂蛋白膽固醇)都 是他的同類。HDL(高密度脂蛋白膽固醇)會將血液中多 餘的膽固醇運送到肝臟代謝掉，稱為好的膽固醇。 (8) 低密度脂蛋白膽固醇 LDL 過多時膽固醇就會堆積在血管裡，加速動脈硬 化的可能性，因此稱為壞的膽固醇。 基 準 ： 總 膽 固 醇 120~220mg/dl ， HDL 40mg/dl 以 上 ，低密度脂蛋白膽固醇 140mg/dl 以下，數值發生異 常時，有疑似血脂肪異常症、有飲食過量或運動不足等 問題的生活習慣病、脂肪肝、閉鎖性黃疸、甲狀腺機能 減退、腎病症候群、糖尿病、家族性高膽固醇血症或動 脈硬化等。 (9) 血清澱粉酶(MAY) 檢查唾液與胰臟分泌的澱粉酶在血液中的含量。 主要從唾液腺與胰臟分泌而來，一旦出現發炎症狀 或是因其他原因而阻塞，澱粉酶更無法從消化腺中順利 排出而逆流回血液，在經過腎臟慮過後排至尿液中。檢 查澱粉酶的含量可從血液與尿液兩方面著手，透過檢查 針對這兩項類型便能得知是唾液腺還是胰臟可能出現異 常。一般經常用來檢測的酵素基準值為 60~250IU/I，當 血清澱粉酶的數值偏高時一開始會懷疑是胰臟炎，其他 原因為胰臟癌、腮腺炎、慢性腎衰竭或是修格羅氏症候 群(乾燥症候群)。如果無法確定是唾液嫌或是胰臟中的 哪個部位所引起，可追加驗同功酶的數值。 基 準 ： 血 清 澱 粉 酶 40~122IU/I 尿 中 澱 粉 酶 65~840IU/I，數值偏高時(高澱粉酶血症)，胰臟癌、胰 臟癌；總膽管結石、腮腺炎、涎石症(唾液腺結石)、修 格蘭氏症候群、消化道穿孔、腸阻塞、腹膜炎、慢性腎 衰竭或休克等。數值過低時(低澱粉酶血症)，胰臟受術 後、胰臟病末期、肝硬化或摘除唾液腺後。本研究採計 一般經常檢測之澱粉酶酵素作為基準指標。 (10) 鈉(NA) 大多存在於血清或細胞間液裡，有少存在於細胞內 部中。因為具有將水分引入的性質，所以當鹽分攝取過

台灣

國立金門大學

多導致血清鈉增加時，便會出現血壓上升或是浮腫等症 狀。脫水時鈉的數值會偏高；而腹瀉、嘔吐、大面積燒 燙傷等大量流失水分或是心臟衰竭時則會出現偏低的數 值。 基準：135~147 mEq/l，數值偏高時，恐有脫水、鹽 分攝取過量、腎臟病或內分泌異常等。數值偏低時，腹 瀉、嘔吐、燒燙傷、心律不整、肝硬化或腎衰竭等。 (11) 尿素氮(檢查腎功能是否正常發揮排泄老廢物質) 尿素氮有助於檢測製造該物質的肝臟機能。尿酸氮 是指尿素成分的檢出物質，將蛋白質分解過程中所形成 的氨經由肝臟處理解讀後的產物，會順著血液運送到腎 臟再排出體外。 尿素氮基準:8~23mg/dl，數值偏高，即腎衰竭等腎功 能障礙、脫水、腸胃道出血、糖尿病、蛋白質攝取過量 等。數值偏低，會發生蛋白質攝取不足、肝臟損傷、尿 崩症等以上症狀。 (12) 肌酸酐 藉由檢查血液中有多少經腎臟過濾仍存有的廢物， 即可知道腎臟功能是否正常運作。肌酸酐會依肌肉量的 多寡而產生異常。肌酸酐的產出量與排泄量不會受到習 慣或運動的影響，幾乎維持一定的量。 肌酸酐基準：男性 1.1 mg/dl 以下/女性 0.8 mg/dl 以 下，數值偏高，即腎衰竭、腎炎等腎功能障礙、脫水、 巨人症、尿道閉塞疾病。數值偏低主要原因是肌肉萎縮 症、尿崩症、大量輸血或懷孕等因素。 (13) 尿蛋白(腎功能可能受損) 正常會被腎臟的過濾系統攔截住，僅有較小的蛋白 質通過腎臟的過濾系統，但仍會在形成尿液的過程中被 回收。不過，腎臟的過濾系統受損，使得過濾的重複吸 收的機制發生異常時尿液中就會慢慢出現蛋白質。 正常為(-)，(+-)(+)(++)表示尿蛋白的嚴重程度，但不 能因一次的檢查出現陽性反應就斷定腎臟出現了問題， 必須隔一段時間，再去做更進一步的血液檢查或影像診 斷，以釐清真正原因。陽性反應可能罹患罹患腎炎、腎 病症候群、腫瘤、全身性紅斑性狼瘡、糖尿病、痛風、 結石、血液相關疾病、感染症等疾病。 (14) 尿酸 為了診斷痛風及觀察其治療情形。當尿酸過度增加 的情況下，會降低其在血液中的溶解度而形成結晶，免 疫系統會將其視為異物進行攻擊，於是引起發炎和嚴重 的腫痛，彷彿一陣風流竄全身，固為痛風。當尿酸鹽的 結晶沉積在腎臟，也會引發腎功能障礙的疾病(痛風 腎)。須避免食用高普林之食品。 基準：男 3.0~8.3 mg/dl 女 2.5~6.3 mg/dl，檢測值過 高需要注意高尿酸血症、痛風、白血病、惡性淋巴瘤、 多發性骨髓瘤等腫瘤或腎功能障礙等疾病。 (15) 鉀(K) 大多存在細胞內鮮少存在於細胞外的體液中。當腎 臟機能變差時排泄功能就無法正常地運作，這時鉀的數 值就會偏高。血清中的鉀含量如果過高，會引起心臟收 縮異常的心律不整，相當危險。 基準：3.5~4.9 mEq/l，數值偏高時，疑似腎衰竭、酸

台灣

Proceedings of 2014 National Symposium on System Science and Engineering National Quemoy University, Kinmen, 21~23 June, 2014

中毒或溶血；數值偏低時，可能罹患腹瀉、嘔吐、鹼毒 症、或荷爾蒙異常等。 (16) 鈣(Ca) 人體有 1 公斤的鈣，99%存在於骨骼與牙齒之中， 其餘以離子的型態存於血清裡。血清不論過高或過低都 會讓心電圖結果出現異常或引起心律不整，血清過高時 會頭痛；四肢無力，過低時則容易引起筋肉痙攣、不易 止血的症狀。 基準：8.5~10.5mg/dl，數值過高時，癌細胞移轉至 骨頭引起的骨骼破壞、副甲狀腺機能亢進或是維生素 D 中毒；數值過低時，副甲狀腺機能減退、慢性腎衰竭、 缺乏維生素 D 或鈣質攝取不足。 (17) 鎂(Mg) 體內的鎂有 60%存在骨骼中，剩餘的部分則存於肌 肉中，只有少部分存在於血液裡。血清過高會有抑鬱、 昏沉(疲倦想睡)等精神方面的症狀；而血清鎂過低的話 則會引起心律不整、錯亂和網想等精神方面的問題，或 是出現肌肉痙攣等症狀。 基準：1.3~1.9mEq/l，數值過高時，可能罹患腎衰 竭、腎上腺皮質功能不全(阿迪森氏病)引起的甲狀腺機 能低下或服用藥物引起的現象；數值過低時，可能罹患 慢性腎盂腎炎、醛固酮增多症(腎上腺入分泌過剩)、甲 狀腺機能亢進或消化不良。 (18) 尿糖 出現尿糖時表示血糖值處於過高的異常狀態。利甕 類似石蕊試紙的檢查專用只沾取受檢者的尿液，再透過 試紙的顏色變化來判定是否出現葡萄糖反映，如檢測結 果為陽性則需進一步檢查。 基準為陰性(-)，呈陽性反應時，可能罹患糖尿病、 短時間內攝取過多的糖分、懷孕、腎臟病、荷爾蒙異常 等。 (19) 血壓(從心臟送出的血液在動脈上所施加的壓力值) 對血管施加的壓力即為血壓。收縮壓為手臂上繞上 一中空橡皮管套袋，將空氣打入袋中並持續加壓，一邊 慢慢地放出空氣一邊用聽診器監聽內側動脈的聲音。 (心臟收縮後的血壓，也稱為最高血壓)。再繼續放出套 袋中的空氣，心臟施予寫意的推力消失，這時會慢慢聽 不到任何聲音，壓力就稱為舒張壓(最低血壓)。 基準： 收縮期高血壓 130 以上，而且舒張壓 85 以 下，血壓偏高時，疑似罹患了原因不明的原發性高血壓 或是腎臟、肺臟等相關疾病。 本文肝腎病症診斷，由一般健康檢查項目中，取麩 草酸轉氨脢(GOT)、麥胺丙酮酸轉胺脢(GPT)、鹼性磷 酸脢(ALK)、空腹血糖(glucose)、三酸甘油脂(TG)、總 膽固醇(T-CHO)、低密度脂蛋白膽固醇(LDL)、高密度 脂蛋白膽固醇(HDL)、澱粉酵素(AMYLASE)、血清鈉 (Na) 、 血 中 尿 素 氮 (BUN) 、 肌 酸 酐 (CREA) 、 尿 蛋 白 (PRO)、尿酸(UA)、血清鉀(K)、血清鈣(Ca)、血清鎂 (Mg)、尿糖(Sugar)、血壓(hypertension)等 19 項與肝腎 病症相關之健檢數據，其類神經輸入所採計的 19 個變 數，如表Ⅰ所示。

國立金門大學

表Ⅰ

NN 之輸入變數及其正常值 編 號

檢測項目

代碼

正常值 範圍

GOT

2-39

肝

GPT

2-39

肝

ALK glucose TG T-CHO

110-340 110 以下 35-150 120-220

肝 肝 肝 肝

腎 腎 腎 腎

LDL

140 以下

肝

腎

HDL

40 以上

肝

腎

9 10 11

麩草酸轉氨脢 麥胺丙酮酸轉 胺脢 鹼性磷酸脢 空腹血糖 三酸甘油脂 總膽固醇 低密度脂蛋白 膽固醇 高密度脂蛋白 膽固醇 澱粉酵素 血清鈉 血中尿素氮

AMYLASE Na BUN

肝 肝 肝

腎 腎 腎

12

肌酸酐

CREA

13

尿蛋白

PRO

14

尿酸

UA

15 16 17 18

血清鉀 血清鈣 血清鎂 尿糖

K Ca Mg Sugar

19

血壓

hypertension

40-122 135-147 8-23 男 1.1 以 下 女 0.8 以 下 陰性 男 3.0-8.3 女 2.5-6.3 3.5-4.9 8.5-10.5 1.3-1.9 陰性 收縮壓 130 以下 且舒張壓 85 以下

1 2 3 4 5 6 7 8

與肝腎之關聯

腎 腎 腎 腎 腎 腎 腎 腎

表 II 肝腎輸入類神經結構判斷 RMS 及成功率 內容 類神經 組別 結構

訓練 組數

一

19-80-2

1000

二

19-100-2

1000

三

19-80-2

500

四

19-80-2

1500

RMS 0.0832 0.0937 0.0952 0.1211 0.1186 0.1308 0.1187 0.2043 0.1967 0.1424 0.0906 0.0987

0.0704 0.0598 0.0593 0.0496 0.0433 0.0459 0.0774 0.0447 0.0447 0.4553 0.0633 0.0695

測試 組數 500 1000 1500 500 1000 1500 200 500 1000 200 500 1000

成功率(%) 85% 81.3% 80.4% 87% 84% 83.5% 88.5% 90% 94.5% 88.5% 94.2% 95.4%

96% 95.3% 95.3% 96.4% 95% 95.2% 97% 98.2% 98.2% 99% 97.8% 97.5%

3.4 類神經系統模擬 本論文利用 2595 筆數據，透過 Matlab 中的 nntool 執 行類神經的運用。建構出類神經網路架構圖作為訓練， 找出最佳的相關係數。可從醫療檢驗數據(訓練範圍 0~1)，值為 0 代表鑑別出無肝病，值為 1 代表鑑別有肝 腎疾病之可能性。 對於自身身體狀況未能多加注意的群眾，能自評鑒 別有無肝腎病症的潛在因子，結合醫療檢測結果更能為 自身作完善的保險。分別檢驗肝腎、肝、腎類神經結構

台灣

Proceedings of 2014 National Symposium on System Science and Engineering National Quemoy University, Kinmen, 21~23 June, 2014

的分析結果，由表Ⅱ、Ⅲ、Ⅳ所示，表Ⅱ為肝腎輸入類 神經結構判斷 RMS 及成功率。 比較第一組、第三組與第四組的結果分析，使用三 種不同訓練樣本組數來測試成功率是有顯微差異的 [12] 。 分別使用 500 筆和 1000 筆和 1500 筆，以相同的訓 練樣本組數分別測試後，使用同一架構 19-80-2，可發 現到使用 500 筆資料和 1000 筆資料和 1500 筆資料分別 送類神經測試時，訓練組數皆足夠本類神經隨機採樣， 就表Ⅱ來觀察其成功率。 因肝腎病症之檢驗數據較為密不可分，此表改採用 比較第一組、第三組、第四組訓練筆數的多寡，但最為 穩定的訓練落在訓練 1000 筆的第一組 19-80-2 的類神經 結構。表Ⅱ發現綜合判斷第三組 19-80-2 的類神經結構 成功率較佳，但測試 1000 筆的數據資料最適用於醫療 資訊分析的類神經結構為第一組。

國立金門大學

此類神經結構使用，但測試 1000 筆的數據資料最適用 於醫療資訊分析的類神經結構為第一組。 比較第三組與第四組的結果分析，使用兩種不同訓 練樣本組數來測試成功率是有顯微差異的 [12] 。 分別使用 500 筆和 1000 筆，兩種不同的訓練樣本組 數分別測試後，使用同一架構 16-30-1，可發現到使用 500 筆資料和 1000 筆資料分別送類神經測試時，訓練組 數皆足夠本類神經隨機採樣 1000 筆之數據也能求得不 錯的成功率。 比較第一組及第四組的結果顯示其成功率是否差異? 從兩種不同類神經結構測試，減少輸入醫療數據其中一 項鹼性磷酸脢(ALK)比較 17-30-1 結構和 16-30-1，發現 其綜合測試成功率明顯穩定提高。 表Ⅳ發現 17-90-1 成功率較佳，但不穩定，因此最適 用於醫療資訊分析的類神經結構為 17-30-1。

四、 結論 表Ⅲ 肝輸入類神經結構判斷 RMS 及成功率 內容 類神經 組別 結構

訓練 組數

一

11-100-1

1000

二

11-110-1

1000

三

11-100-1

500

四

11-100-1

1500

RMS 0.0483 0.0662 0.0611 0.1366 0.1421 0.1404 0.1249 0.1216 0.1303 0.2072 0.1570 0.1647

測試 組數 500 1000 1500 500 1000 1500 500 1000 1500 200 500 1000

成功率(%) 80.8% 80.5% 86% 90% 89.2% 89.5% 83.4% 79.8% 79.5% 85.5% 89.6% 87.8%

本文由一般健康檢驗資料庫中得到 2595 組數據，並 應用類神經網路，創建類神經模組進行訓練與測試，分 析後可得出有效的醫療檢驗項目與人體肝腎病症的關聯 性，本文之判別具高準確性，對肝腎病症的鑑別非常有 助益。研究發現已罹患肝病的年齡層較為廣泛於中老年 齡層(45 歲以上)，佔有 8 成的比例，本文也發現以罹患 腎病居多的年齡層在 65 歲以上銀髮族，在銀髮族群中 就佔有 8 成，顯示出多數國人對肝腎病症的忽視已造成 銀髮族的身體負擔。

附錄 本研究由科技部贊助，計畫編號 NSC100-2632-E252-001-MY3 謹此致謝。

表Ⅳ 腎輸入類神經結構判斷 RMS 及成功率 內容 類神經 組別 結構

訓練 組數

一

17-30-1

1000

二

17-90-1

1000

三

16-30-1

500

四

16-30-1

1000

RMS 0.0611 0.0796 0.0727 0.0611 0.0447 0.0649 0.1669 0.1534 0.1675 0.1216 0.0856 0.1100

測試 組數 500 1000 1500 500 1000 1500 500 1000 1500 500 1000 1500

參考文獻 成功率(%) 96.4% 95.1% 95.1% 96.4% 96% 94.1% 94.2% 93.6% 93.1% 97% 94% 94.5%

比較第一組、第三組與第四組的結果分析，使用兩 種不同訓練樣本組數來測試成功率是有顯微差異的，就 表Ⅲ來觀察其成功率。因肝病之檢驗數據較為密不可 分，此表改採用比較第一組、第三組、第四組訓練筆數 的多寡，發現訓練術越多成功率明顯比較佳，但最為穩 定的訓練落在訓練 1000 筆的第一組 11-100-1 的類神經 結構。 表Ⅲ發現綜合判斷第四組 11-100-1 的類神經結構成 功率較佳，發現使用訓練 1500 筆數據資料非常足夠給

[1] 衛生福利部統計處-死因統計 http://www.mohw.gov.tw/cht/DOS/Statistic.aspx?f_list_no=3 12&fod_list_no=1601 [2] Gines P, Arroyo V. Hepatorenal syndrome. J Am Soc Nephrol.

1999;10:1833-1839 [3] [3] 陳鈺緯、張經緯、張振旺、楊蕙心、王蒼恩、吳志 仁、陳漢相,肝硬化患者的腎臟功能異常,內科學制,2012 [4] 肝病的預防與治療 http://tututw.wordpress.com/category/%E8%82%9D%E7%97 %85%E6%B2%BB%E7%99%82/ [5] 如何盡早發現肝癌 http://health.big5.enorth.com.cn/system/2013/11/08/01143476 6.shtml [6] 蔡詩怡, 應用模糊整合類神經網路於疾病診斷之研究-以肝 病為例,2001 [7] 胡靜文,整合性照護計畫於慢性腎臟病患自我照護生活品 質之成效, 2009 [8] 吳希文、史麗珠、張睿詒、陳為堅、楊銘欽,慢性腎臟病 與其相關因子之探討-以社區成人健康檢查資料分析,2009, 台灣公共衛生雜誌,28(5) ,374-384 [9] 張哲豪,糖尿病照護決策支援系統,2000 [10] Schaeffer,E.S.,Kurth,T.,Curhan,G.C.,Glynn,R.J.,Rexrode,K. M.,&Baigent,C.,et al(2003) Cholesterol and the risk of renal

Proceedings of 2014 National Symposium on System Science and Engineering National Quemoy University, Kinmen, 21~23 June, 2014

dysfunction in apparently healthy men. Clinical Journal of the American Society of Nephrology ,14(8),2084-2091.

[11] 鈴木 洋通、鈴木 泰子,自己也能看懂健檢報告,楓葉社文化 事業有限公司, 2011。

台灣

國立金門大學

[12] 江昭龍、陳俊良、陳泇佑﹐類神經於醫療資訊系統之應 用，民生電子研討會﹐2008。