李文琦，黄水平，李海朋

徐州医学院公共卫生学院流行病与卫生统计学教研室 徐州 221002

BP神经网络和Cox比例风险模型在生存分析应用中的比较*

李文琦，黄水平#，李海朋

徐州医学院公共卫生学院流行病与卫生统计学教研室 徐州 221002

#通讯作者，女，1963年10月生，硕士，教授，研究方向：统计方法在流行病学研究中的应用，E-mail：hsp@xzmc.edu.cn

BP神经网络；Monte Carlo 模拟；生存分析；预测模型；Cox比例风险模型

目的：比较BP神经网络模型和Cox比例风险模型在生存分析中的预测性能，进一步探讨BP神经网络模型在生存分析中的应用。方法采用Monte Carlo模拟数据集，如不同样本量、不同删失比例、不同协变量间关系及是否满足等比例风险假定的理论研究和胃癌根治术患者预后预测的实例分析，分别建立BP神经网络模型和Cox比例风险模型，最终使用一致性指数C对其预测性能进行比较。结果当样本量为100、删失比例为60%、80%及样本量为300、删失比例为80%时，BP神经网络模型的预测性能高于Cox比例风险模型(P<0.05)。协变量不满足等比例风险假定、协变量间存在三维交互作用和非线性关系时，BP神经网络模型的预测性能较Cox比例风险模型好(P<0.05)。实例研究中发现，BP神经网络模型预测的一致性指数C(0.835)高于Cox比例风险模型(t配对=4.311，P<0.001)。结论BP神经网络模型在生存分析的应用中对样本删失比例、是否满足PH假定、协变量间复杂交互作用和非线性关系具有非特异性，对资料限制较少，且预测一致性高，值得在生存分析中进一步推广应用。

目前生存分析最常用的即Cox比例风险模型，但该模型要求资料事先满足2个假定[1]：①比例风险假定(proportional hazard, PH假定)。②对数线性假定。然而当实际资料不能满足或只能近似满足这一假定时，往往会造成模型拟合效果不佳或者根本没有意义，最终还会误导人们对分析结果的判断，而人工神经网络模型恰恰弥补了这方面的不足。近年来，人工神经网络作为一种新兴的信息处理系统，具有自组织、自适应、自学习的能力及高度的非线性和良好的容错性等特点，被广泛地应用于多个领域，特别在流行病学领域也逐渐受到重视[2]。……