Page 117 - The-5th-MCAIT2021-eProceeding

Pembangunan Model Ramalan Tahap Risiko Pesakit
Pembedahan Jantung Terbuka Menggunakan Pendekatan

Pembelajaran Mesin

Development of a Risk Level Prediction Model for Open Heart
Surgery Patients Using Machine Learning Approach

b
a*
Norfazlina Jaffar @ Jaafar a,b* , Afzan Adam , Alwi Mohamed Yunus
a Fakulti Teknologi dan Sains Maklumat Universiti Kebangsaan Malaysia (UKM), 43600 Bangi, Selangor, Malaysia
b Institut Jantung Negara (IJN), 145 Jalan Tun Razak, 50400 Kuala Lumpur, Malaysia
*Email: norfazlina@ijn.com.my,afzan@ukm.edu.my

Abstrak

Penilaian klinikal awal terhadap pesakit yang akan menjalani pembedahan jantung terbuka merupakan satu proses penting
bagi pengamal perubatan supaya dapat memilih dan memberikan rawatan yang terbaik sebelum, semasa dan selepas
pembedahan. Oleh kerana masih tidak banyak kajian yang menggunakan kaedah pembelajaran mesin dalam
menjangka hasil akhir kematian selepas menjalani pempedahan jantung terbuka, dan IJN hanya bergantung
kepada model stratifikasi Bernstein-Parsonnet, EuroSCORE dan EuroSCORE II, model jangkaan ini dibangunkan
dengan menggunakan kaedah pembelajaran mesin. Kajian ini menggunakan data pesakit yang tersedia daripada Registri
Pembedahan Kardiotorasik dari tahun 2015 ke 2018 iaitu sebanyak 8787. Data-data ini telah menjalani kaedah pemprosesan
awal data di mana ia merupakan salah satu proses penting dalam kaedah perlombongan data dan pembangunan model
jangkaan. Terdapat 42 atribut yang dimasukkan ke dalam kajian, iaitu atribut-atribut yang digunakan dan telah di validasi
oleh ketiga-tiga model yang digunakan di IJN. Pembangunan model stratifikasi risiko di IJN dijalankan dengan
menggunakan regresi logistik, Artificial Neural Network (ANN), Random Forest (RF) dan Naïve Bayes. Data-data
menjalani proses validasi dengan pecahan dataset kepada nisbah 60:40, 70:30 dan 80:20 untuk fasa latihan fasa pengujian.
Kesemua hasil dapatan dibandingkan dengan menggunakan penilaian prestasi peratus kecekapan, AUC, kejituan, dapatan
semula dan skor-F. Berdasarkan hasil dapatan kajian, model yang dibangunkan dengan menggunakan algoritma ANN
dengan validasi pecahan dataset 80:20 mencapai prestasi yang terbaik iaitu dengan 82.74% ketepatan, 0.902 AUC, 0.8172
nilai kejituan, 0.8435 nilai dapatan semula dan skor-F 0.8301. Walaubagaimanapun, pembangunan model jangkaan ini perlu
ditambahbaik dari segi pengumpulan dan penyediaan data, proses transformasi atribut dan mempelbagaikan lagi atribut-
atribut yang relevan supaya memperoleh model jangkaan yang terbaik dengan penilaian prestasi yang tinggi.

Kata kunci: model jangkaan kematian;pembedahan jantung terbuka;kaedah pembelajaran mesin; pemprosesan awal data; SMOTE

1. Pengenalan

Sistem pengelasan tahap risiko atau dikenali sebagai sistem stratifikasi risiko, adalah model jangkaan skor
risiko terhadap morbiditi dan kematian telah digunakan secara meluas di dalam bidang kardiovaskular dan
pembedahan. Tahap risiko pesakit ditentukan dengan nilai pemberat atau nisbah yang diperolehi daripada model
jangkaan di mana lebih tinggi nilai pemberat, lebih berisiko seorang pesakit berkenaan. Sistem Parsonnet adalah
sistem yang pertama dibangunkan oleh Parsonnet V et.al pada tahun 1989. Pada tahun 1999, Nashef et.al
memperbaharui dan membangunkan sistem European System for Cardiac Operative Risk Evaluation

E- Proceedings of The 5th International Multi-Conference on Artificial Intelligence Technology (MCAIT 2021) [104]
Artificial Intelligence in the 4th Industrial Revolution