基于人工神经网络的肾小球滤过率预测模型研究

我们前期研究发现目前临床常用的肾小球滤过率（GFR）评估方程均不适合我国慢性肾脏病（CKD）人群。据此，我们设想将工科预测领域广泛应用的人工神经网络技术用于开发GFR预测方法。预试验中我们已证实传统BP神经网络预测的GFR优于目前临床常用GFR评估方程估算的GFR。本项目拟在前期已开展的大样本GFR评估横断面调查基础上，1）引入数据挖掘技术，筛选出GFR预测备选指标；2）以多元回归分析、传统BP神经网络以及基函数神经网络技术分析建模组资料，分别建立GFR预测模型，以验证组资料代入各模型以及重新表达的MDRD公式、CKD-EPI公式和日本eGFR公式，判断各模型的有效性，确立最优GFR预测模型；3）开发相应软件。本项目基于人工神经网络技术建立利用肌氨酸氧化酶法检测血清肌酐值、适合中国CKD人群的准确可靠GFR预测模型，对早期发现、早期诊断、早期治疗CKD，保持人民健康具有重大意义。

目的：人工神经网络在工科预测领域已得到广泛使用。本项目基于人工神经网络建立适合中国慢性肾脏病（CKD）患者的肾小球滤过率(GFR)评估新方法。方法：分别以5种人工神经网络，包括BP网络、广义回归网络（GRNN网络）、多项式网络、Legendre基函数网络（Legendre网络）、经遗传算法优化的BP网络（GABP网络）分析831例CKD病例（GFR金标准采用DTPA肾动态显像，血肌酐用酶法测定），基于血清肌酐、血清尿素氮、血清白蛋白、身高、体重、性别和年龄共7个预测指标分别建立肾小球滤过率预测模型，再以349例CKD病例作外部验证。神经网络的因变量为GFR金标准，自变量依次为年龄、血肌酐、血尿素氮、血白蛋白、身高、体重和性别。结果：目前临床常用的9组GFR评估方程在我国CKD患者的适用性均欠佳。人工神经网络预测的GFR在一致性、偏差和精度各方面均优于目前临床常用GFR评估方程估算的GFR值。人工神经网络在外部验证组的准确性不低于内部验证组。人工神经网络预测模型预测GFR的准确性明显高于目前临床常用的9组GFR评估方程。GABP网络在各人工神经网络预测模型的比较中表现最优。为方便临床验证及使用，我们根据平均影响值（MIV）大小对GABP网络的7个输入变量逐个进行筛减，依次删减血清白蛋白、性别、身高、血清尿素氮、体重和年龄，得到一系列对应不同输入变量数量的GABP网络。结果发现基于6变量（血清肌酐、性别、身高、血清尿素氮、体重和年龄）GABP网络（网络结构6-2-1）在内部验证组和外部验证组表现最优。为方便模型使用和外部验证，本研究以GABP6网络基于matlab软件基础上开发了GUI可视化软件，并以EXCEL表的形式将GABP6网络展现出来。小结：面对CKD的严峻挑战，鉴于我国目前严重缺乏能在临床广泛应用的GFR评价方法的现状，基于人工神经网络建立利用酶法检测血清肌酐数值、适合中国CKD人群的GFR评估新方法，对提高CKD的诊治水平有重要意义，是目前极需解决的主要问题。