《基於人工神經網路的腎小球濾過率預測模型研究》是依託中山大學，由劉迅擔任項目負責人的面上項目。
基本介紹
- 中文名：基於人工神經網路的腎小球濾過率預測模型研究
- 項目類別：面上項目
- 項目負責人：劉迅
- 依託單位：中山大學
中文摘要,結題摘要,
中文摘要
我們前期研究發現目前臨床常用的腎小球濾過率（GFR）評估方程均不適合我國慢性腎臟病（CKD）人群。據此，我們構想將工科預測領域廣泛套用的人工神經網路技術用於開發GFR預測方法。預試驗中我們已證實傳統BP神經網路預測的GFR優於目前臨床常用GFR評估方程估算的GFR。本項目擬在前期已開展的大樣本GFR評估橫斷面調查基礎上，（1）引入數據挖掘技術，篩選出GFR預測備選指標；（2）以多元回歸分析、傳統BP神經網路以及基函式神經網路技術分析建模組資料，分別建立GFR預測模型，以驗證組資料代入各模型以及重新表達的MDRD公式、CKD-EPI公式和日本eGFR公式，判斷各模型的有效性，確立最優GFR預測模型；（3）開發相應軟體。本項目基於人工神經網路技術建立利用肌氨酸氧化酶法檢測血清肌酐值、適合中國CKD人群的準確可靠GFR預測模型，對早期發現、早期診斷、早期治療CKD，保持人民健康具有重大意義。
結題摘要
目的：人工神經網路在工科預測領域已得到廣泛使用。本項目基於人工神經網路建立適合中國慢性腎臟病（CKD）患者的腎小球濾過率(GFR)評估新方法。方法：分別以5種人工神經網路，包括BP網路、廣義回歸網路（GRNN網路）、多項式網路、Legendre基函式網路（Legendre網路）、經遺傳算法最佳化的BP網路（GABP網路）分析831例CKD病例（GFR金標準採用DTPA腎動態顯像，血肌酐用酶法測定），基於血清肌酐、血清尿素氮、血清白蛋白、身高、體重、性別和年齡共7個預測指標分別建立腎小球濾過率預測模型，再以349例CKD病例作外部驗證。神經網路的因變數為GFR金標準，自變數依次為年齡、血肌酐、血尿素氮、血白蛋白、身高、體重和性別。結果：目前臨床常用的9組GFR評估方程在我國CKD患者的適用性均欠佳。人工神經網路預測的GFR在一致性、偏差和精度各方面均優於目前臨床常用GFR評估方程估算的GFR值。人工神經網路在外部驗證組的準確性不低於內部驗證組。人工神經網路預測模型預測GFR的準確性明顯高於目前臨床常用的9組GFR評估方程。GABP網路在各人工神經網路預測模型的比較中表現最優。為方便臨床驗證及使用，我們根據平均影響值（MIV）大小對GABP網路的7個輸入變數逐個進行篩減，依次刪減血清白蛋白、性別、身高、血清尿素氮、體重和年齡，得到一系列對應不同輸入變數數量的GABP網路。結果發現基於6變數（血清肌酐、性別、身高、血清尿素氮、體重和年齡）GABP網路（網路結構6-2-1）在內部驗證組和外部驗證組表現最優。為方便模型使用和外部驗證，本研究以GABP6網路基於matlab軟體基礎上開發了GUI可視化軟體，並以EXCEL表的形式將GABP6網路展現出來。小結：面對CKD的嚴峻挑戰，鑒於我國目前嚴重缺乏能在臨床廣泛套用的GFR評價方法的現狀，基於人工神經網路建立利用酶法檢測血清肌酐數值、適合中國CKD人群的GFR評估新方法，對提高CKD的診治水平有重要意義，是目前極需解決的主要問題。
