基于加权神经网络建立病证结合类风湿关节炎关节损害风险评估模型

病证（西医疾病信息与中医四诊信息）结合是目前疾病诊断与预后判断的最佳模式，病证结合建模用于研究类风湿关节炎（RA）关节损害风险评估，可提高RA的诊治水平。四诊信息直接用于建模，往往因变量太多而使模型不稳定。前期研究表明因子分析可对中医四诊信息进行有效的降维处理。加权神经网络（WNN）- - 将因子分析得到的公因子用于神经网络建模，因子贡献率为作为权重，减少了神经网络的输入节点而使模型更稳定。本研究利用WNN构建RA关节损害风险评估模型，在既往RA关节损害相关因素研究的基础上，通过设计临床调查表、集中培训临床医生及严格实验室指标检测等质控方法，实施前瞻性临床流行病学调查，收集RA患者疾病与中医四诊信息，追踪观察患者关节损害信息，用前瞻性病例数据对模型进行验证与完善。该模型的建立可望较准确评估RA患者关节损害风险，为RA疾病防治提供科学依据。

课题组依据设计方案和先制定好的病例报告表，从全国11个临床单位收集类风湿关节炎（RA）患者西医疾病信息和中医四诊信息，并进行随访观察。随访期间，每个月记录中医四诊信息，每3个月记录一次实验室检查数据。在入组时和随访结束各做一次病变关节的X线检查。共收集到了379例RA患者，并随访观察了半年。数据经过录入清洗，随后，采用Matlab软件构建BP神经网络、LVQ神经网络、SVM支持向量机等多种数据模型，期望建立中西医信息预测关节损伤程度加重的数学模型。最终结果均显示，对关节损伤不变或者好转的预测正确率为100%，而对关节损伤加重的预测正确率为0%。课题组还采用了SAS软件对数据先进行单因素相对危险度分析，剔除对关节损伤预测不好的变量，然后采用神经网络、决策树等模型进行分析。单因素分析发现脘腹胀满、眩晕、小便清长、关节屈伸不利、关节肿胀等四诊信息是关节损伤加重的危险因素，P值均<0.05。其他中西医指标均未发现有显著性变化。按照单因素分析结果，选择P<0.4的变量进行加权神经网络和决策树等模型分析。结果，神经网络和决策树对关节损伤加重的预测错误率均为18.2%。