应用人工神经网络确定重度急性胰腺炎

2007年02月08日 Surgery. 2007 Jan;141(1):59-66. Epub 2006 Sep 12 英国爱丁堡大学的Mofidi R及其同事构建并验证了一种确定重度急性胰腺炎（AP）和预测致命性结果的人工神经网络（ANN）模型。研究人员回顾了所有于2000年1月至2004年9月间以AP就诊的患者。他们收集入院时和入院48小时的就诊资料。计算急性生理和慢性健康估测（APACHE）II评分和格拉斯哥严重度（GS）评分。研究者建立前馈ANN，并训练其预测重度AP的发展和AP导致的死亡率；从训练中保留25%的数据集，并用于评估ANN的准确性。将ANN预测AP严重度的准确性与APACHE II评分和GS评分进行比较。结果显示，研究中共确定664名AP患者，其中181名（27.3%）达到重度胰腺炎的临床和影像学标准，42名患者死亡（6.3%）。48小时APACHE II评分的中位数为4（范围：0-23）。ANN在预测进展为重度病程（分别为P<0.05和P<0.01）、预测多器官功能障碍综合征的发生（P<0.05和P<0.01）和预测死于AP（P<0.05）等方面比APACHE II和GS评分系统更为准确。Mofidi等总结认为，ANN能够对进展为重度疾病、发生器官衰竭和死于急性胰腺炎进行预测，并且其准确性优于其他临床风险评分系统。今后还需要对该模型辅助AP患者治疗决策的作用进行评估。