应用人工神经网络预测糖尿病/糖耐量异常

目的 在流行病学调查资料的基础上，探讨学习向量量化(LVQ)网络用于糖尿病(DM)／糖耐量异常(IGT)疾病状态的分类预测的前景。方法 采用LVQ网络和判别分析方法对某矿区糖尿病现况调查资料和某综合性医院的DM病例—对照资料，进行DM／IGT／正常状态的判别比较；同时人为设置变量缺损值。检验LVQ网络对缺失数据的适应性。结果 LVQ网络结构为25→13→3；网络判断DM、IGT的灵敏度分别为70．45％、64．79％，特异度为100．00％。准确度为96．98％，对血糖异常的正确判断率为92．45％。利用逐步判别分析建立的含11个变量的判别方程判断DM、IGT的灵敏度分别为67．05％、60．56％，特异度为89．75％，准确率为87．34％，对血糖异常的正确判断率为85．53％。对来自某综合性医院的DM病例—对照资料进行模型验证发现，LVQ网络预测效果优于判别的分析，网络能识别出全部对照及92．37％的病例。判别准确率为96．19％。LVQ网络对带缺失项样本的误判比例为1／30，判别分析则为7／30。结论 利用LVQ网络进行疾病分类预测，不仅能获得更好的预测效果，而且对资料的类型、分布不作任何限制，也不需要对分析变量做任何处理，还能很好地处理带缺失项的资料，是一种很好的流行病学分类预测新方法。

Application of ANN on prediction of abnormal DM/IGT