吴 妍，姚 蕾，盛文丽，刘明娟

·方法学研究·

基于人工神经网络的卵巢早衰预测模型研究

吴 妍*，姚 蕾，盛文丽，刘明娟

目的建立基于人工神经网络(ANN)的卵巢早衰(POF)预测模型——多层向前神经网络模型，以期提高POF临床诊断总符合率。方法2011年1—3月选取武汉市白玉山街所管辖的6个社区内符合纳入标准的妇女341例为研究对象。2011年5月—2016年6月，每隔4个月对研究对象进行1次来院随访，随访至其40岁。随访过程中2例研究对象行子宫切除术，2例服用性激素治疗，失访21例，均予以剔除，最终共纳入316例研究对象。采用无偏随机化分配法将316例研究对象分为训练样本(177例)、检验样本(44例)和坚持样本(95例)。设置输入参数为A型行为、腮腺炎病史、妇科手术史、使用促排卵药物史、婚育史、卵泡刺激素(FSH)、FSH/黄体生成素(LH)、抗苗勒管激素(AMH)、抑制素B(INHB)、窦状卵泡数(AFC)、收缩期峰流速(PSV)、阻力指数(RI)；输出参数为“是否发生POF”。通过训练样本进行模型构建，检验样本对模型进行校正，坚持样本对模型进行稳定性检测。结果ANN经过剔除“冗余”后，自动构建出输入单元(12个)、单隐层(6个节点)和激活函数(hyperbolic tangent)、输出单元(2个)和激活函数(softmax)的模型。训练样本的交叉熵误差值为53.236，在预测误差未减少时终止测试，训练时间为0.42 s。影响权重在前5位的输入参数分别为AMH(26.3%)、INHB(24.1%)、AFC(21.7%)、A型行为(7.2%)、妇科手术史(6.5%)。多层向前神经网络模型预测训练样本、检验样本、坚持样本发生POF的灵敏度分别为97.8%、91.7%和92.0%，特异度分别为92.4%、84.4%和80.0%，总符合率分别为93.8%、86.4%和83.2%。在训练样本和检验样本的基础上，得到多层向前神经网络模型预测POF的受试者工作特征曲线下面积(AUC)为0.972。……