文章介紹
許智維醫師團隊研究利用機器學習模型，從醫院的研究資料庫中，獲取了 2002 年至 2019 年的醫療記錄，建立模型去預測病人血清中 valproic acid（VPA：治療憂鬱症的常用藥物之一）的濃度。模型可以預測 VPA 濃度是否在治療有效範圍的（1–50 μg/ml 或 51–100 μg/ml），也可以估計出更精確的濃度數值（連續值預測）。
模型訓練是使用 5142 筆血液樣本，並在 644 筆獨立樣本上進行了測試。發現在二元分類結果方面達到了 0.80 – 0.86 的平均準確度，而在連續變數的預測準確度則介於 0.72 – 0.88 之間。
與較高血清 VPA 濃度相關的十大特徵包括：更高的最近一次 VPA 劑量和每日劑量、患有雙極性疾患或思覺失調症診斷、血清白蛋白、鈣離子、肌酸酐升高、血小板減少、白血球百分比較低、紅血球分布寬度變異係數百分比較低。
透過 12 項主要關鍵特徵（佔總特徵數的 10%）建立的簡化模型，其預測準確度與使用全部特徵的模型相近。這表示，模型如果在加上外部測試數據進行驗證，可能可以在醫院系統中，用較少參數實作。
許醫師團隊認為，機器學習模型是有潛力整合真實世界的數據並預測 VPA 濃度，在臨床中為減少對血清頻繁監測的需求，進而提升病人護理品質。
恭喜許醫師！
論文的標題要怎麼寫才能吸引審閱者的目光？如何判斷自己的論文可以投到幾分的期刊？來聽聽陳一銘醫師怎麼說。
論文寫作 / 臨床研究
