人工神经网络和传统回归方法在预测肾小球滤过率效能的比较研究

项目名称： 人工神经网络和传统回归方法在预测肾小球滤过率效能的比较研究

项目编号： No.81370866

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 医药、卫生

项目作者： 刘迅

作者单位： 中山大学

项目金额： 70万元

中文摘要： 我们预试验发现人工神经网络（ANN）预测肾小球滤过率（GFR）的准确性优于传统方程。进一步实验证实以CKD-EPI方程相同指标建立的ANN优于经我方数据修订的CKD-EPI方程。本项目拟更深入直接比较ANN和传统回归方法在预测GFR效能上的差异。重点研究内容：①获取高质量研究数据：经样本量估算重建研究数据库；GFR金标准用菊粉清除率校准双血浆DTPA法测定；血清肌酐和胱抑素C用国际认证质控品溯源；双录入数据保证质量；②数据建模：利用多元回归以及广义相加模型分别重新构建GFR预测方程；以遗传算法优化BP神经网络和权值与结构双确定神经网络分别建立GFR预测新模型；③模型评估：建立评估平台，实现模型展示、验证以及动态完善；以独立外部数据验证模型效能。本项目旨在获得在GFR预测领域ANN优于传统回归方法的可靠证据，进而建立适合中国人群的最优GFR预测模型，有望为临床肾功能评价提供更准确的简便手段。

中文关键词： 慢性肾脏病；肾小球滤过率；机器学习；回归技术；预测

英文摘要： Our previous study found that the artificial neural network (ANN) was superior to the traditional equation in glomerular filtration rate (GFR) assessment. Furthermore, we found that the new ANN using the same variables as the Chronic Kidney Disease Epidem

英文关键词： Chronic kidney disease；Glomerular filtration rate；Machine learning；Regression method；Prediction