论文部分内容阅读
目的：根据人工神经网络BP算法的多层前馈网络模型原理，建立由中医特异症候群、穴位信息、血清生化指标等组成的肝纤维化无创性神经网络诊断模型，并在已建立神经网络模型的基础上，进行诊断结果的预测和影响因素的敏感度分析，利用本研究建模的结果，为慢性乙型肝炎肝纤维化临床评估提供简单、可靠的无创性诊断方法，并为BP神经网络建模的方法学提供一定的参考依据。 方法：制定规范的临床调查表，对经病理诊断明确为肝纤维化的106例慢性乙型肝炎住院患者进行临床调查，收集其临床症状及实验室检查结果，包括基本人口学资料、中医四诊资料、血清生化指标等参数，所有数据经Spearman等级相关分析筛选出对肝纤维化诊断有统计学意义的指标作为输入层，以有无肝纤维化结果作为输出层，初步建立诊断肝纤维化的神经网络模型，最后用受试者工作特征（ROC）曲线评价该模型的诊断价值，并探讨联合诊断价值。 结果：将52个变量与肝纤维化程度做相关性分析显示：52项指标中有23项指标与肝纤维化程度相关（P﹤0.05）。有统计学差异的指标有：年龄、饮酒史、疲倦乏力、烦躁易怒、身目发黄、胁肋疼痛、口干而苦、食欲不振、厌油腻、脘闷腹胀、肝掌、面色晦暗、舌有瘀斑、脉弦细、肝俞压痛、血小板（PLT）、丙氨酸氨基转移酶(（ALT)、总胆红素（TBIL）、直接胆红素（DBIL）、间接胆红素（IBIL）、谷氨酰转肽酶（GGT）、凝血酶原时间((PT)、透明质酸(HA)。以年龄、中医特异症状、穴位信息、血清生化指标等指标建立的BP神经网络诊断模型的拟合度为85.753％，诊断价值优于任何单项指标。结合敏感度分析，可以知道年龄、饮酒史、凝血酶原时间（PT）、身目发黄、舌有瘀斑对肝纤维化患者的诊断结果影响较大。ANN的ROC曲线下面积Az=0.748，P=0.031，95%CI(0.548-0.948)，不包含0.5，说明该模型的诊断预测效能高。 结论：基于BP神经网络建立的肝纤维化无创性诊断模型具有较高的临床诊断灵敏性和特异性，具有较好的临床应用前景，可在一定程度上替代肝组织学检查来监测慢性乙型肝炎病人肝纤维化的动态变化，为慢性乙型肝炎肝纤维化的无创性诊断与病情监测提供了帮助，为中医症候实质研究提供了一种新的思路。