目的在神经网络构建卵巢早衰预测模型基础之上使用层次分析法进行输入参数筛选,以期提高模型预测能力。方法在运用层次分析法对卵巢早衰预测指标的多个逻辑结构进行分层的基础上,对各项预测指标进行权值设定,按权值大小筛选出有效预测指标作为模型输入参数,再依据临床数据对神经网络模型进行训练后,对模型预测结果准确性进行评估。结果前7位高权值卵巢早衰预测指标分别为抗苗勒氏管激素、抑制素B、卵泡刺激素、窦状卵泡数、A型行为、妇科手术史和克罗米芬激惹试验;所构建的卵巢早衰预测模型实际值与输出的相关系数为0. 945 0,预测精度达到94. 76%;验证模型泛化能力时,训练集、验证集和测试集的预测精度分别为97. 62%、93. 26%、92. 53%;与多种预测模型比较,经层次分析法优化后的神经网络预测模型预测效力更佳。结论基于层次分析法和神经网络相融合的卵巢早衰预测方法(AHP-BPNN)具有较高的预测精度和泛化能力,在临床应用中具有有效性和可行性,值得推广。