基于人工神经网络的早发型子痫前期患者预测模型构建研究

摘要

目的:建立基于人工神经网络的子痫前期预测模型,为疾病早期筛查提供依据。方法:前瞻性收集2020年3月至2021年6月在青岛大学附属医院进行产前检查并分娩的741名孕妇资料,通过对所得资料进行单因素logistic回归以及多因素logistic回归筛选出子痫前期的独立危险因素。将所得独立危险因素运用人工神经网络算法进行预测模型的拟合,运用受试者工作特征曲线(ROC曲线)对模型进行评估。结果:所调查孕妇中共有71例(9.5%)发生早发型子痫前期,670例(90.5%)未发生早发型子痫前期,多因素logistic回归显示早发型子痫前期的独立危险因素有孕前BMI、孕次、孕前是否吸烟、孕前是否饮酒、平均动脉压(MAP)、葡萄糖、AST/ALT、血清游离三碘甲腺原氨酸(FT3)、甲胎蛋白(AFP),9项指标;所得预测模型预测早发型PE的ROC曲线下面积为0.945。结论:基于人工神经网络的早发型PE预测模型不仅为早发型PE提供了理论和方法的支持,为疾病的早发现、早诊断、早治疗争取了时间,具有广阔的应用前景。