การพยากรณ์โรคมะเร็งตับโดยการใช้การวิเคราะห์ค่าสถิติ
คำสำคัญ:
ค่าสถิติ, ตับ, การพยากรณ์, มะเร็งเซลล์ตับ, เอกซเรย์คอมพิวเตอร์บทคัดย่อ
ในปัจจุบันโรคมะเร็งตับเป็นโรคที่พบบ่อย การตรวจคัดกรองก้อนเนื้องอกสามารถทำได้โดยการตรวจด้วยคลื่นอัลตราซาวด์ และการตรวจเลือดเพื่อหาค่าแอลฟาฟีโตโปรตีน การตรวจด้วยเอกซเรย์คอมพิวเตอร์ร่วมกับการฉีดสารทึบรังสีจะทำให้เห็นรายละเอียดได้ชัดเจนขึ้นด้วย นอกจากนี้ยังจำเป็นต้องทำการตัดชิ้นเนื้อเพื่อส่งตรวจเพื่อยืนยันผล งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อแยกแยะข้อมูลภาพระหว่างเนื้อเยื่อตับปกติและมะเร็งตับชนิดมะเร็งเซลล์ตับบนภาพเอกซเรย์คอมพิวเตอร์ โดยใช้จำนวน 120 ภาพ จากฐานข้อมูลออนไลน์ แล้วทำการวัดค่าข้อมูลทางสถิติ (ค่าความเบ้, ค่าความโด่ง, ค่าเบี่ยงเบนมาตรฐาน, ค่าเฉลี่ย, มัธยฐาน, ฐานนิยม) จากนั้นนำมาหาความแตกต่างของค่าข้อมูลทางสถิติ และผลการพยากรณ์รอยโรคระหว่างภาพมะเร็งตับชนิดมะเร็งเซลล์ตับและภาพตับปกติ ผลการศึกษาพบว่า ค่าเฉลี่ย, มัธยฐาน และฐานนิยม สามารถนำมาใช้แยกตับที่มีรอยโรคมะเร็งเซลล์ตับและตับปกติออกจากกันได้ ผลของการนำไปใช้พยากรณ์รอยโรคมะเร็งเซลล์ตับพบว่าค่าความไวของมัธยฐานสูงที่สุด (100%) ส่วนค่าความจำเพาะของค่าเฉลี่ย, มัธยฐาน และค่าเฉลี่ยร่วมกับมัธยฐาน มีค่าเท่ากัน 83.33% และมีค่าความถูกต้องของมัธยฐานมีค่าเท่ากับ 91.67% ความแตกต่างของค่าข้อมูลทางสถิติของภาพสามารถช่วยในการพยากรณ์รอยโรคมะเร็งเซลล์ตับได้
Downloads
เอกสารอ้างอิง
AMPRO health. โรคมะเร็งที่พบบ่อย. [อินเตอร์เน็ต], 2561 [เข้าถึงเมื่อ 18 เมษายน 2561] เข้าถึงได้จาก: http://amprohealth.com/cancer/the-most-of-6-types-cancer-in-the-world/
พวงทอง ไกรพิบูลย์. มะเร็งตับ(Liver cancer). [อินเตอร์เน็ต], 2556 [เข้าถึงเมื่อ 18 เมษายน 2561] เข้าถึงได้จาก: http://haamor.com/th/มะเร็งตับ/
ศันสนีย์ เสนะวงษ์. สารบ่งชี้มะเร็ง (tumor marker) ที่ควรรู้จัก. [อินเตอร์เน็ต], 2553 [เข้าถึงเมื่อ 8 พฤษภาคม 2561] เข้าถึงได้จาก: http://www.si.mahidol.ac.th/sidoctor/e-pl/articledetail.asp?id=618
การวินิจฉัยโรคมะเร็งตับสามารถตรวจอย่างไรให้แน่ใจว่าไม่ได้เป็นมะเร็งตับ?. [อินเตอร์เน็ต], 2556 [เข้าถึงเมื่อ 18 เมษายน 2561] เข้าถึงได้จาก: https://www.honestdocs.co/liver-cancer/liver-cancer-diagnosis
The Cancer Imaging Archive (TCIA). [Internet]. 2019 [cited 2019 May 25]. Available from: https://www.cancerimagingarchive.net/
Loizou CP, Pattichis CS, Eracleous E, Schizas CN, Pantziaris M. Quantitative Analysis of Brain White Matter Lesions in Multiple Sclerosis Subjects Preliminary Findings. ITAB 2008;58-61.
Khalda Mohammed Ahmed, Caroline Edward Ayad, Samih Awad Kajoak Non-Contrasted Computed Tomography Hounsfield Unit for Characterization Liver Segments, IOSR-JDMS. 2016;15(6):34-39.
Ullah H, Andleeb F, Aftab S, Hussain F, Gilanie G. Classification of Liver Cirrhosis with Statistical Analysis of Texture Parameters. IJOS. 2017;3(2):1-8.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของสมาคมรังสีเทคนิคแห่งประเทศไทย (The Thai Society of Radiological Technologists)
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับสมาคมรังสีเทคนิคแห่งประเทศไทยและบุคคลากรท่านอื่น ๆในสมาคม ฯ แต่อย่างใด ความรับผิดชอบองค์ประกอบทั้งหมดของบทความแต่ละเรื่องเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะรับผิดชอบบทความของตนเองแต่ผู้เดียว
