การเรียนรู้ของเครื่องเพื่อทําานายระดับความรุนแรงของความผิดปกติของความยืดหยุ่นปอดของพนักงานโรงงาน

กลุ่มโรคที่มีความผิดปกติของความยืดหยุ่นของปอดโดยเฉพาะอย่างยิ่งโรคนิวโมโคนิโอซีส (Pneumoconiosis) เป็นโรคที่พบมากในผู้คนที่มีการสัมผัสสภาพแวดล้อมที่มีฝุ่นแร่ การตรวจสมรรถภาพปอดด้วยวิธีสไปโรเมตรีย์ (Spirometry) เป็นวิธีมาตรฐานในการทดสอบสมรรถภาพการทําางานของปอด อย่างไรก็ตาม วิธีดังกล่าวมีข้อจําากัดเนื่องจากค่าใช้จ่ายและอุปกรณ์ในการตรวจมีราคาแพง และประสบการณ์ของผู้อ่านผลการตรวจ ส่งผลให้ผู้พนักงานกลุ่มเสี่ยงไม่สามารถเข้าถึงการตรวจสมรรถภาพปอดได้ทันท่วงที การศึกษานี้มีวัตถุประสงค์เพื่อนําาการเรียนรู้ของเครื่องมาใช้ทําานายระดับความรุนแรงของความผิดปกติของความยืดหยุ่นของปอดเบื้องต้น ก่อนที่จะนําาไปสู่การตรวจสไปโรเมตรีย์ต่อไป โดยแบ่งระดับความรุนแรงของความยืดหยุ่นของปอดเป็น 3 กลุ่ม คือ กลุ่มปกติ รุนแรงน้อย และ รุนแรงปานกลางถึงมาก การศึกษาได้นําาข้อมูลจากการตรวจสมรรถภาพปอดในกลุ่มพนักงานของโรงงานเฟอร์นิเจอร์ ทั้งหมด 685 คน จากศึกษาภาคตัดขวาง มาใช้สร้างแบบจําาลองการเรียนรู้ของเครื่องด้วยเทคนิค 6 แบบ ได้แก่ Logistic Regression, Decision Tree, Random Forest, Gradient Boosting, XGBoost และ Support Vector Machine (SVM) พบว่าผลลัพธ์การฝึกแบบจําาลองที่ดีที่สุด คือ แบบจําาลอง Random Forest ร่วมกับเทคนิคการจัดการข้อมูลไม่สมดุล และการคัดเลือกตัวแปรที่สําาคัญ 20 ตัวแปรด้วยวิธีการ Recursive Feature Elimination (RFE) พบว่า กลุ่มตัวแปรที่สําาคัญในการทํานายระดับความรุนแรง ได้แก่ นํา้าหนัก ส่วนสูง อายุ ประวัติการศึกษา ชั่วโมงการทําางาน การสูบบุหรี่ การใช้หน้ากากอนามัย และอาการบางอย่างเกี่ยวกับระบบทางเดินหายใจ เช่น หายใจติดขัด และอาการการมีเสมหะ โดยมีค่าเฉลี่ยของ F1-score, precision, recall และ accuracy เท่ากับ 0.74, 0.74, 0.76 และ 0.75 ตามลําาดับ แบบจําาลองทําานายประสิทธิภาพปอดถูกนําาไปสร้างเป็นเว็บแอปพลิชันเพื่อให้สามารถใช้งานได้ง่าย และได้มีการนําาไปให้พนักงานในโรงงานตรวจคัดกรองเบื้องต้น ซึ่งผู้ใช้มีความพึงพอใจต่อประสิทธิภาพการคัดกรอง ความสะดวกรวดเร็วในการใช้งาน และการประหยัดค่าใช้จ่ายจากการใช้แอปพลิเคชันตรวจคัดกรองนี้