广义回归神经网络模型诊断酒精性肝病的初步研究

酒精性肝病(alcoholic hepatitis disease,ALD)是由于长期大量饮酒所致的肝脏疾病。近年来，随着人民生活水平的提高，因酒精导致的肝脏损害也愈来愈严重。西方国家80%一90%的肝硬化为酒精引起。在我国，酗酒者ALD的发病率为20%,且以中青年为主。因此，对ALD的研究越来越受到人们的重视[3-9]。临床对ALD的诊断主要依靠病史、生物化学及病理学检查。由于我国病毒性肝炎发病率较高，ALD患者往往合并有病毒性肝炎，而且通过肝活组织检查来诊断酒精性肝炎对于患者和医生来说，是比较不便的[3,10-12]。生物化学检查项目中尚无对ALD特异敏感者，诊断及分型带有很大的主观性和随意性。鉴于以上原因及目前临床现状，我们采取广义回归神经网络(generalized regression neural network,GRNN)理论来分析目前普遍采用的生物化学检测项目中各指标对ALD诊断的准确性、可靠性和重要性，对临床诊断及研究该病无疑可起到执简驭繁的作用。在此基础上，在充分分析并提取已有确诊病例信息资料，建立ALD诊断的GRNN多指标综合诊断模型。

资料与方法

1.病例来源:(1)收集中南大学湘雅二医院2009年9月至2011年5月135例ALD患者的临床数据，选取其中经专家会诊确诊的酒精性肝炎、酒精性肝硬化肝功能代偿期、酒精性肝硬化肝功能失代偿期的患者。(2)收集文献[3]中2002年至2003年的酒精性肝炎患者40例。分别对以上患者肝功能检查中的Y一谷氨酞转移酶(GGT)、总胆汁酸(total bile acid,TBA)、碱性磷酸酶(ALP)、总胆红素(TBil),ALT,AST及AST/ALT值共7项检测值进行统计汇总。

2.GRNN理论基础:GRNN的理论基础是非线性回归分析，非独立变量Y相对于独立变量x的回归分析实际上计算具有最大概率值的了。设随机变量二和随机变量少的联合概率密度函数为f(x,Y)，已知二的观测值，Y即为在输人为X的条件下，Y的预测输出式[[13]。经运算可得网络的输出}Y(X)为式(1)。估计六X)值为所有样本观测值Yl的加权平均，每个观测值Y1的权重因子为相应的样本X1与X之间Euclid距离平方的指数。当光滑因子二非常大的时候，六X)近似于所有样本因变量的均值。相反，当光滑因子。趋于0的时候，六X)和训练样本非常接近，当需要预测的点被训练样本集中时，公式求出的因变量的预测值会和样本中对应的因变量非常接近，而且一旦碰到样本中未能包含进去的点，有可能预测效果会非常差，这种现象说明网络的泛化能力差。当6取值适中，求预测值六X)时，所有训练样本的因变量都被考虑进去了，与预测点距离近的样本点对应的因变量被加大了更大的权。

3.GRNN的网络结构:GRNN由输人层恤iput layer)、模式层(pattern layer)、加和层(summation layer)和输出层(output layer)4层构成。对应网络输人万=[x，，xZ，…，xm]zX=[x,}x2}...}xm}，其输出为}'=LYm Yz,...Ym}T。

本研究建立的ALD诊断的GRNN模型中，其输人层为7个指标，输出层有3个指标。(1)输人层:输人层神经元的数目等于学习样本中输人向量的维数，各神经元是简单的分布单元，直接将输人变量传递给模式层。(2)模式层:模式层神经元数目等于学习样本的数目刀，各神经元对应不同的样本，模式层神经元传递函数为式(2)。式中神经元1的输出为输人向量预期对应的样本X之间Euclid距离平方马=(_￥一戈)z.(X-X)的指数平方的指数形式。式中X为网络输人向量，戈为第1个神经元对应的学习样本[13](3)求和层:求和层中使用两种类型的神经元进行求和。一类的计算公式为式(3)，它对所有模式层神经元的输出进行求和，其模式层和各神经元的连接权值为1，传递函数为式(4)。另一类计算公式为式(5)，它对所有模式层的神经元进行加权求和，模式层中第i个神经元与第.I个分子求和神经元之间的连接权值为第个输出样本耳中的第.1个元素，传递函数为式(6)0(4)输出层:输出层中的神经元数目等于学习样本中输出向量的维数k，各神经元将求和层的输出相除，神经元的输出对应估计结果的六x)第J个元素，见式(7)0 4.GRNN模型诊断ALD:将收集病例资料应用到建立的ALD诊断的GRNN模型中，其输人层7个指标GGT,TBA,ALP,TBil,ALT,AST及ALT/AST，分别用龙、龙、龙、瓜、龙、戈、龙表示;输出层3个指标酒精性肝硬化肝功能失代偿期、酒精性肝硬化肝功能代偿期、酒精性肝炎，分别用(1,0,0),(0,1,0)和(0,0,1)表示。

(1)选取135例中南大学湘雅二医院收集的患者中的120例为模型训练样本，另外15例作为待诊断样本，以检验模型的合理性，在此基础上通过GRNN模式识别，对患者做出诊断。(2)选取40例文献[[3]收集的患者中的34例为模型训练样本，另外6例作为待诊断样本，以检验模型的合理性，在此基础上通过广义回归神经网络模式识别对患者做出诊断。通过对训练样本的分析发现当光滑因子二为0.65时，识别精度最高，故本研究广义回归神经网络识别模型的光滑因子a为0.65结果1.135例中南大学湘雅二医院ALD患者年龄20一60岁，平均45岁，均为男性，病程5一25年。用建立的模型对训练的120组样本进行回判诊断，符合率为100%，对另外15组为待诊断样本进行诊断，符合率为100%(表1)。

2.文献

中收集的酒精性肝炎患者共40例，均为男性，年龄20一55岁，平均43岁，病程5一30年。经过专家会诊，40例患者分别被确诊为:酒精性肝炎11例、酒精性肝硬化肝功能代偿期11例、酒精性肝硬化肝功能失代偿期18例。用建立的模型对34例训练样本进行回判诊断，符合率为94.12%，见表2;对6例待诊断样本进行诊断，符合率为100%，见表30讨论研究发现，ALP,TBil,AST/ALT是进行诊断肝病分型为酒精性肝炎、酒精性肝硬化代偿期、酒精J陛肝硬化失代偿期最敏感、最重要的指标，GGT或TBA是与ALP不可再分的指标[3]。

结合以上研究结果，综合临床经验，本研究选取GGT,TBA,ALP,TBil}ALT,AST及ALT/AST共7项指标作为输入指标，酒精性肝硬化肝功能失代偿期、酒精性肝硬化肝功能代偿期、酒精性肝炎3项指标作为输出诊断指标，基于GRNN理论建立ALD诊断的GRNN多指标综合诊断模型，对模型在ALD诊断中的准确性、合理性进行分析。通过收集临床经过多项指标检测，专家会诊确诊分类的临床病例，运用GRNN方法对其进行运算与诊断，发现模型诊断结果与临床专家会诊结果吻合较好，正确率高，说明本研究提出的ALD诊断的GRNN多指标综合诊断模型是科学、合理的，可能为ALD的诊断提供了一条新的途径。然而，需要指出的是，目前国际上对ALD的分类尚没有统一的标准，本研究限于收集到的病例的原因，只讨论了3种分类的初步诊断情况，对于5类及更多分类的讨论有待进一步研究。另外，模型诊断结果的准确性随着所选样的数量的增加而提高，在临床应用中，可以累积增加具有代表性的样本，优化模型参数，不断提高模型的判别精度。志谢中南大学研究生创新项目对本研究的资助

参考文献

[1]岳大力,向生贵,曲质威.酒精性肝病30例[J].武警医学,2007,(6):427-428.doi:10.3969/j.issn.1004-3594.2007.06.009.

[2]郑娉娉,王炳元.非酒精性脂肪性肝病与酒精性肝病的异同[J].中华肝脏病杂志,2011,(9):715-717.doi:10.3760/cma.j.issn.1007-3418.2011.09.023.

[3]李运贤,杜瑞卿,王相东.粗糙集理论在酒精性肝病诊断中的应用研究[J].北京生物医学工程,2006,(3):307-311.doi:10.3969/j.issn.1002-3208.2006.03.022.

[4]Thampanitchawong P,Piratvisuth T.Liver biopsy:complications and risk factors[J].World Journal of Gastroenterology,1999,(4):301-304.

[5]Nguyen-Khac E,Capron D.Noninvasive diagnosis of liver fibrosis by ultrasonic transient elastography(Fibroscan)[J].European Journal of Gastroenterology and Hepatology,2006.1321-1325.

[6]Chan HL,Wong GL,Choi PC.Alanine aminotransferase-based algorithms of liver stiffness measurement by transient elastography(Fibroscan)for liver fibrosis in chronic hepatitis B[J].Journal of Viral Hepatitis,2009,(1):36-44.doi:10.1111/j.1365-2893.2008.01037.x.

[7]Corpechot C,El Naggar A,Poujol-Robert A.Assessment of biliary fibrosis by transient elastography in patients with PBC and PSC[J].Hepatology,2006.1118-1124.

[8]Sandrin L,Fourquet B,Hasquenoph JM.Transient elastography:a new noninvasive method for assessment of hepatic fibrosis[J].Ultrasound in Medicine and Biology,2003,(12):1705-1713.doi:10.1016/j.ultrasmedbio.2003.07.001.

[9]Lok AS,McMahon B J,Practice Guidelines Committee,American Association for the Study of Liver Diseases(AASLD).Chronic hepatitis B:update of recommendations[J].Hepatology,2004.857-861.

[10]王振威,王炳元.2009年美国肝病学会酒精性肝病诊疗指南介绍[J].中华肝脏病杂志,2010,(4):312-317.doi:10.3760/cma.j.issn.1007-3418.2010.04.022.