基于机器学习的胃食管反流病中医智能辨证模型的应用

目的建立基于机器学习的胃食管反流病(GERD)中医智能辨证模型。方法基于统一的中医证候量表,收集胃食管反流病符合肝胃郁热证、中虚气逆证临床病例共98个样本,2组证候各49个样本,并按照类别之间1∶1比例,全部数据的70%作为训练集,30%作为测试集。根据信息的"有、无"分别赋值"1、0",建立胃食管反流病中医临床信息数据库。应用支持向量机(SVM)、神经网络(NNs)和自动编码器(Autoencoder)分别构建GERD智能辨证模型,比较证候预测的准确性。结果 98例GERD患者中,2组证候的体重指数(BMI)比较,差异有统计学意义(P0.05)。而在幽门螺杆菌感染(Hp感染)情况、匹兹堡睡眠质量指数中差异无统计学意义(P0.05)。在相同训练、测试样本数据下,支持向量机、神经网络和自动编码器+神经网络这三种算法对胃食管反流病两种证候的识别准确率分别为78.3%和79.2%和79.2%。结论 NNs及Autoencoder降维基础上的NNs模型具有很好的诊断、预测能力,机器学习技术应用于GERD辨证模型的构建具有方法学上的可行性。