论文部分内容阅读
背景妊娠期肝内胆汁淤积症(intrahepatic cholestasis of pregnancy, ICP)是妊娠中晚期的特发性疾病,以皮肤瘙痒,胆汁酸升高及肝功能异常为临床特点。其对孕妇的影响极小,主要危及胎儿,可引起早产、宫内窘迫、羊水粪染,围产儿死亡等。ICP导致围产儿不良结局发生的机制目前尚未阐明,同时缺乏有效的防治措施,对胎儿威胁较大,也给广大产科临床工作者带来许多困惑。国内外学者已进行了一系列从实验室到临床的研究,帮助判断胎儿在子宫内的环境,但是准确性不甚理想。ICP发病时有众多因素可能与胎儿出现早产、窘迫、死胎死产等有关,所有单一因素均无法完全解释胎儿出现这些并发症。目前临床工作中没有一套有效的评估ICP孕妇胎儿宫内环境的方法。如果把评估ICP孕妇胎儿宫内环境状况的参数量化并进行有效地数据处理,相关结果用于胎儿风险评估,将有助于合理制订ICP治疗方案、及时选择终止妊娠时机。近年来,在医学领域兴起了采用人工神经网络来处理多参数的、复杂的、相互关联的问题,从中进行分析、推理、识别和预测,并已取得了一定的成效。因此,我们首次将人工神经网络引入妊娠期肝内胆汁淤积症胎儿风险预测体系中。目的通过ICP孕妇生化指标和临床资料作为参数建立预测妊娠期肝内胆汁淤积症胎儿风险的人工神经网络模型,并探讨其预测价值。方法选取203例在浙江大学医学院附属妇产科医院住院分娩的ICP孕妇作为研究对象,收集和筛选与胎儿风险相关的指标。构建联合参数法和生化参数法两种人工神经网络模型,按羊水混浊比例随机将其中135例作为训练集,另外68例作为测试集,分别计算预测胎儿风险的准确率,观测两种模型的敏感度和特异度,并绘制ROC曲线及计算曲线下面积分析预测效能。分析各个输入参数对预测结果的影响权重。结果1、联合参数法建立的ANN模型的预测敏感度为80%,特异度为62.2%,准确率为66.2%；生化参数法建立的ANN模型的预测敏感度为73.6%,特异度为61.5%,准确率为64.7%。联合参数法ANN模型的准确率、敏感度及特异度均较高于生化参数法ANN模型。2、联合参数法ANN模型的所有集、训练集及测试集的ROC曲线下面积分别为0.7991,0.8417,0.7100。生化参数ANN模型的所有集、训练集及测试的ROC曲线下面积分别为0.7714,0.8110,0.7036。两种模型的预测效能为中等。3.妊娠合并症的影响系数最高(15.73%),其次为CG(14.63%),其余为发病孕周(11.35%),皮肤瘙痒病程(10.56%),DBIL(8.44%),S/D比值(7.24%),分娩孕周(5.67%),ALT(4.91%),年龄(4%),分娩方式(3.84%),胎数(3.78%),TBA(3.64%),NST分数(2.91%),羊水量(2.27%),AST(0.74%),宫缩、TBIL(0.14%)。结论1、应用ANN技术可以全面客观评估ICP胎儿风险,但相关参数仍需进一步改进和完善。2、联合参数法ANN模型的准确率、敏感度及特异度优于单纯生化参数法建立的ANN模型。3、联合参数法中参数权重在10%以上的有：妊娠合并症(15.73%)、CG(14.63%)、发病孕周(11.35%)及皮肤瘙痒病程(10.56%)。