การเรียนรู้ของเครื่องเพื่อทำนายระดับความรุนแรงของความผิดปกติของความยืดหยุ่นปอดของพนักงานโรงงาน

บทคัดย่อ

กลุ่มโรคที่มีความผิดปกติของความยืดหยุ่นของปอดโดยเฉพาะอย่างยิ่งโรคนิวโมโคนิโอซีส (Pneumoconiosis) เป็นโรคที่พบมากในผู้คนที่มีการสัมผัสสภาพแวดล้อมที่มีฝุ่นแร่ การตรวจสมรรถภาพปอดด้วยวิธีสไปโรเมตรีย์ (Spirometry) เป็นวิธีมาตรฐานในการทดสอบสมรรถภาพการทํางานของปอด อย่างไรก็ตามวิธีดังกล่าวมีข้อจํากัดเนื่องจากค่าใช้จ่ายและอุปกรณ์ในการตรวจมีราคาแพง และประสบการณ์ของผู้อ่านผลการตรวจ ส่งผลให้ผู้พนักงานกลุ่มเสี่ยงไม่สามารถเข้าถึงการตรวจสมรรถภาพปอดได้ทันท่วงที การศึกษานี้มีวัตถุประสงค์เพื่อนําการเรียนรู้ของเครื่องมาใช้ทำนายระดับความรุนแรงของความผิดปกติของความยืดหยุ่นของปอดเบื้องต้น ก่อนที่จะนําไปสู่การตรวจสไปโรเมตรีย์ต่อไป โดยแบ่งระดับความรุนแรงของความยืดหยุ่นของปอดเป็น 3 กลุ่ม คือ กลุ่มปกติ รุนแรงน้อย และ รุนแรงปานกลางถึงมาก การศึกษาได้นำข้อมูลจากการตรวจสมรรถภาพปอดในกลุ่มพนักงานของโรงงานเฟอร์นิเจอร์ ทั้งหมด 685 คน จากศึกษาภาคตัดขวาง มาใช้สร้างแบบจําลองการเรียนรู้ของเครื่องด้วยเทคนิค 6 แบบ ได้แก่ Logistic Regression, Decision Tree, Random Forest, Gradient Boosting, XGBoost และ Support Vector Machine (SVM) พบว่าผลลัพธ์การฝึกแบบจําลองที่ดีที่สุด คือ แบบจําลอง Random Forest ร่วมกับเทคนิคการจัดการข้อมูลไม่สมดุล และการคัดเลือกตัวแปรที่สําคัญ 20 ตัวแปรด้วยวิธีการ Recursive Feature Elimination (RFE) พบว่า กลุ่มตัวแปรที่สำคัญในการทำนายระดับความรุนแรง ได้แก่ นํ้าหนัก ส่วนสูง อายุ ประวัติการศึกษา ชั่วโมงการทางาน การสูบบุหรี่ การใช้หน้ากากอนามัย และอาการบางอย่างเกี่ยวกับระบบทางเดินหายใจ เช่น หายใจติดขัด และอาการการมีเสมหะ โดยมีค่าเฉลี่ยของ F1-score, precision, recall และ accuracy เท่ากับ 0.74, 0.74, 0.76 และ 0.75 ตามลําดับ แบบจําลองทำนายประสิทธิภาพปอดถูกนำไปสร้างเป็นเว็บแอปพลิชันเพื่อให้สามารถใช้งานได้ง่าย และได้มีการนําไปให้พนักงานในโรงงานตรวจคัดกรองเบื้องต้น ซึ่งผู้ใช้มีความพึงพอใจต่อประสิทธิภาพการคัดกรองความสะดวกรวดเร็วในการใช้งาน และการประหยัดค่าใช้จ่ายจากการใช้แอปพลิเคชันตรวจคัดกรองนี้