人工神經網路模型無創性評估慢B肝肝纖維化逆轉

我國首都醫科大學附屬北京友誼醫院、國家消化疾病臨床研究中心Wei等近日完成的一項研究表明，由天門冬氨酸氨基轉移酶（AST）、血小板計數（PLT）、白細胞計數（WBC）、膽鹼酯酶（CHE）、肝臟硬度值（LSM）、丙氨酸氨基轉移酶（ALT）和性別等變數所組成的人工神經網路（ANN）模型，可用於無創性評估慢性乙型肝炎（CHB）患者抗病毒治療後的肝纖維化逆轉。

該項研究連續性納入141例接受抗病毒治療，基線和1.5年時進行肝活檢的CHB患者。抗病毒治療期間，對患者的血常規、肝功能等生化指標和肝臟硬度值進行檢測，應用Ishak評分系統評估肝纖維化逆轉，選擇逆轉組和無逆轉組間有差異有統計學意義的變數，作為ANN模型的輸入層，計算受試者工作特徵曲線下面積（AUC），評估並比較ANN模型和logistic回歸模型預測CHB患者肝纖維化逆轉的性能。

結果顯示，接受78周抗病毒治療後，肝纖維化逆轉的患者比例為39%（55/141），AST[重要性係數（IC）= 0.296]、PLT（IC = 0.159）、WBC（IC = 0.142）、CHE（IC = 0.128）、LSM（IC = 0.125）、ALT（IC = 0.110）和性別（IC = 0.041）是肝纖維化逆轉的最重要預測因素，作為ANN模型的輸入層。

ANN模型用於預測肝纖維化逆轉的AUC為0.809 ± 0.062，靈敏度、特異度、陽性似然比、陰性似然比、陽性預測值和陰性預測值分別為83.1%、85.2%、5.61、0.19、93.0%和74.5%，logistic回歸模型用於預測肝纖維化逆轉的AUC為0.756 ± 0.059，靈敏度、特異度、陽性似然比、陰性似然比、陽性預測值和陰性預測值分別為75.0%、78.6%、3.50、0.32、87.2%和61.1%，ANN模型用於預測CHB患者肝纖維化逆轉的性能優於logistic回歸模型。

參考文獻：Wei W, Wu X, Zhou J, et al. Noninvasive Evaluation of Liver Fibrosis Reverse Using Artificial Neural Network Model for Chronic Hepatitis B Patients. Comput Math Methods Med. 2019 Jul 21; 2019:7239780.

在看點這裡