| 摘 要： | ![]()
目的基于卷积神经网络(CNN)和多重logistic回归建立抗结核药物性肝损伤(ATB-DILI)的预测模型,评价和比较2个模型的性能。方法收集2019年1月1日至2022年10月31日镇江市第三人民医院、句容市人民医院和丹阳市第三人民医院的结核病住院患者临床及实验室检查数据。根据是否发生ATB-DILI将患者分为发生和未发生ATB-DILI组,比较2组临床特征差异。采用随机数字表法将患者按7︰3的比例分为训练集和测试集。基于训练集数据,分别采用多重logistic回归和CNN建立ATB-DILI预测模型;基于训练集和测试集数据,对2个模型预测ATB-DILI的准确度进行验证。绘制受试者工作特征(ROC)曲线,比较2种模型的灵敏度、特异度、约登指数和曲线下面积(AUC)。结果共有3012例患者纳入研究,其中294例(9.76%)被诊断为ATB-DILI;训练集2108例,测试集904例。多重logistic回归分析的结果显示,年龄、肝病史、低白蛋白血症和未预防性使用保肝药是ATB-DILI发生的独立风险因素,并以独立风险因素构建多重logistic回归模型方程。采用CNN对训练集患者数据的深度学习和分析结果显示,对ATB-DILI发生影响最大的前5位风险因素分别为肝病史、年龄、未预防使用保肝药、低白蛋白血症及饮酒,以前5位风险因素构建CNN模型。采用多重logistic回归模型预测的训练集与测试集患者ATB-DILI发生的总准确率分别为87.62%和88.27%;采用CNN模型预测训练集与测试集患者ATB-DILI发生的总准确率分别为92.36%和91.70%。CNN模型的灵敏度、特异度和AUC均高于多重logistic回归模型,差异均有统计学意义(均P<0.05)。结论多重logistic回归模型和CNN模型对ATB-DILI发生的预测性能均较好。但相较多重logistic回归模型,CNN模型对结核病住院患者ATB-DILI发生的预测性能更佳。
|
