人工神经网络在肾小球滤过率估算中的应用

目的建立一个适用于中国慢性肾脏病人群的肾小球滤过率估算模型，基于人体体征及血清肌酐来估算肾小球滤过率。方法采用人工神经网络方法中的广义回归神经网络（generalizedregressionneuralnetwork，GRNN）方法，基于562例训练样本集建立模型，在独立的269例验证样本集中验证模型性能，与传统的统计学回归方法得到的GFR估算经验方程比较。结果与经验方程相比，神经网络模型具有更高的准确性（P<0.05）。结论人工神经网络作为常用的机器学习方法之一，应用于生物医学信息处理时，比传统统计学方法具有更大的优势，利用该方法建立的肾小球滤过率估算模型具有更好的估算精度。