吳 妍，姚 蕾，盛文麗，劉明娟

·方法學(xué)研究·

基于人工神經(jīng)網(wǎng)絡(luò)的卵巢早衰預(yù)測模型研究

吳 妍*，姚 蕾，盛文麗，劉明娟

目的建立基于人工神經(jīng)網(wǎng)絡(luò)(ANN)的卵巢早衰(POF)預(yù)測模型——多層向前神經(jīng)網(wǎng)絡(luò)模型，以期提高POF臨床診斷總符合率。方法2011年1—3月選取武漢市白玉山街所管轄的6個社區(qū)內(nèi)符合納入標(biāo)準(zhǔn)的婦女341例為研究對象。2011年5月—2016年6月，每隔4個月對研究對象進行1次來院隨訪，隨訪至其40歲。隨訪過程中2例研究對象行子宮切除術(shù)，2例服用性激素治療，失訪21例，均予以剔除，最終共納入316例研究對象。采用無偏隨機化分配法將316例研究對象分為訓(xùn)練樣本(177例)、檢驗樣本(44例)和堅持樣本(95例)。設(shè)置輸入?yún)?shù)為A型行為、腮腺炎病史、婦科手術(shù)史、使用促排卵藥物史、婚育史、卵泡刺激素(FSH)、FSH/黃體生成素(LH)、抗苗勒管激素(AMH)、抑制素B(INHB)、竇狀卵泡數(shù)(AFC)、收縮期峰流速(PSV)、阻力指數(shù)(RI)；輸出參數(shù)為“是否發(fā)生POF”。通過訓(xùn)練樣本進行模型構(gòu)建，檢驗樣本對模型進行校正，堅持樣本對模型進行穩(wěn)定性檢測。結(jié)果ANN經(jīng)過剔除“冗余”后，自動構(gòu)建出輸入單元(12個)、單隱層(6個節(jié)點)和激活函數(shù)(hyperbolic tangent)、輸出單元(2個)和激活函數(shù)(softmax)的模型。訓(xùn)練樣本的交叉熵誤差值為53.236，在預(yù)測誤差未減少時終止測試，訓(xùn)練時間為0.42 s。影響權(quán)重在前5位的輸入?yún)?shù)分別為AMH(26.3%)、INHB(24.1%)、AFC(21.7%)、A型行為(7.2%)、婦科手術(shù)史(6.5%)。多層向前神經(jīng)網(wǎng)絡(luò)模型預(yù)測訓(xùn)練樣本、檢驗樣本、堅持樣本發(fā)生POF的靈敏度分別為97.8%、91.7%和92.0%，特異度分別為92.4%、84.4%和80.0%，總符合率分別為93.8%、86.4%和83.2%。在訓(xùn)練樣本和檢驗樣本的基礎(chǔ)上，得到多層向前神經(jīng)網(wǎng)絡(luò)模型預(yù)測POF的受試者工作特征曲線下面積(AUC)為0.972。結(jié)論基于ANN構(gòu)建的POF預(yù)測模型——多層向前神經(jīng)網(wǎng)絡(luò)模型具有較高臨床診斷總符合率，不僅為臨床高效診斷及優(yōu)化檢查提供理論基礎(chǔ)和方法支持，而且為實現(xiàn)早防早治提供機會，值得臨床推廣。

原發(fā)性卵巢功能不全；卵巢功能早衰；神經(jīng)網(wǎng)絡(luò)(計算機)；預(yù)測

吳妍,姚蕾,盛文麗,等.基于人工神經(jīng)網(wǎng)絡(luò)的卵巢早衰預(yù)測模型研究[J].中國全科醫(yī)學(xué)，2017，20(27)：3410-3415.[www.chinagp.net]

WU Y,YAO L,SHENG W L,et al.Prediction model of premature ovarian failure based on artificial neural network[J].Chinese General Practice，2017，20(27)：3410-3415.

卵巢早衰(POF)是一種病因繁雜的內(nèi)分泌疾病，主要表現(xiàn)為女性在40歲之前出現(xiàn)閉經(jīng)、性欲減退和高促性腺激素[1]。由POF引起的生育力喪失、骨質(zhì)疏松、生殖器萎縮、心血管疾病和代謝性疾病等遠(yuǎn)期并發(fā)癥深深地困擾著患者。研究顯示，POF患者病死率是普通人群的2倍[2]?，F(xiàn)已提出了激素替代療法、自身卵巢移植、贈卵試管嬰兒技術(shù)、基因技術(shù)和心理支持等治療方法，但多數(shù)仍處于研究階段，整體療效并不樂觀[3]。因此早期準(zhǔn)確預(yù)測女性發(fā)生POF的風(fēng)險并及早規(guī)劃生育和早防早治延緩疾病發(fā)展，具有重要的意義。鑒于此，已有學(xué)者提出運用經(jīng)驗公式或數(shù)理統(tǒng)計方法進行單因素或多因素POF預(yù)測[4]，本研究首次采用危險因素參數(shù)、生化參數(shù)與B超參數(shù)聯(lián)合構(gòu)建基于人工神經(jīng)網(wǎng)絡(luò)(ANN)的POF預(yù)測模型，以期提高POF臨床診斷總符合率。此外，本研究亦有效揭示了POF與各項參數(shù)之間的內(nèi)在規(guī)律，為尋找經(jīng)濟高效的預(yù)測方式提供理論基礎(chǔ)和技術(shù)支持。

1 資料與方法

1.1 納入與排除標(biāo)準(zhǔn) 納入標(biāo)準(zhǔn)：(1)35～<40歲；(2)近3個月內(nèi)無激素、中藥治療史，或妊娠、流產(chǎn)、哺乳史；(3)有完整子宮和至少一側(cè)卵巢，且經(jīng)B超證實均無異常；(4)在白玉山街所管轄的6個社區(qū)內(nèi)固定居住1年以上；(5)有明確自發(fā)的終末月經(jīng)時間；(6)有良好的依從性，自愿參與本研究。排除標(biāo)準(zhǔn)：(1)有惡性腫瘤、腎衰竭等嚴(yán)重合并癥；(2)有多囊卵巢綜合征(PCOS)、糖尿病、甲狀腺和乳腺等內(nèi)分泌疾病。

1.2 臨床資料 2011年1—3月選取武漢市白玉山街所管轄的6個社區(qū)內(nèi)符合納入標(biāo)準(zhǔn)的婦女341例為研究對象。研究對象均簽署知情同意書，并在入選后的1個月內(nèi)完善相關(guān)問卷調(diào)查(A型行為、腮腺炎病史、婦科手術(shù)史、使用促排卵藥物史和婚育史)、月經(jīng)第3天內(nèi)分泌檢查〔卵泡刺激素(FSH)、FSH/黃體生成素(LH)、抗苗勒管激素(AMH)和抑制素B(INHB)〕和超聲檢查〔竇狀卵泡數(shù)(AFC)、收縮期峰流速(PSV)和阻力指數(shù)(RI)〕。

1.3 POF診斷標(biāo)準(zhǔn)[5]年齡<40歲的女性在月經(jīng)第3天抽血測得FSH≥40 U/L，至少監(jiān)測2次，2次間隔不得少于1個月。

1.4 隨訪 2011年5月—2016年6月，每隔4個月對研究對象進行1次來院隨訪，隨訪至其40歲。隨訪內(nèi)容為鑒定患者是否發(fā)生POF，具體包括月經(jīng)情況、女性激素、是否特殊用藥和婦科手術(shù)等。剔除標(biāo)準(zhǔn)：(1)隨訪期間進行激素、中藥治療，或妊娠、流產(chǎn)和哺乳；(2)隨訪期間使用精神類藥物。隨訪過程中2例研究對象行子宮切除術(shù)，2例服用性激素治療，失訪21例，均予以剔除，最終共納入316例研究對象。

1.5 樣本分配 應(yīng)用SPSS 20.0統(tǒng)計軟件包對316例研究對象進行無偏隨機化分配。具體操作如下：軟件包根據(jù)活動生成器初始化值自動得出分區(qū)變量公式〔分區(qū)變量=2×re.bernoulli(0.6)-1〕，并設(shè)置成Bernoulli變量概率參數(shù)0.6、賦值1/-1的分區(qū)值。“1”的分區(qū)值可分配69.9%樣本(221例)；“-1”的分區(qū)值可分配30.1%樣本(95例)。再按公式——分區(qū)變量=前次分區(qū)變量-re.bernoulli(0.3)，重置分區(qū)變量，將分區(qū)值“1”中19.9%樣本(44例)取值“0”，設(shè)為檢驗樣本；80.1%樣本(177例)仍取值“1”，設(shè)為訓(xùn)練樣本。原分區(qū)值“-1”的95例設(shè)為堅持樣本。

1.6 構(gòu)建多層向前神經(jīng)網(wǎng)絡(luò)模型 SPSS 20.0軟件包神經(jīng)網(wǎng)絡(luò)模塊中含有多層感知器(MLP)，本研究利用其構(gòu)建多層向前神經(jīng)網(wǎng)絡(luò)模型，其具有單向傳播、單隱層結(jié)構(gòu)、上下層全連接和每層間無連接的特點。其中，隱層節(jié)點數(shù)首先根據(jù)經(jīng)驗確定，在多次試驗后得出最佳值。當(dāng)輸入不同的輸入?yún)?shù)時，多層向前神經(jīng)網(wǎng)絡(luò)模型可獲得各異的預(yù)測結(jié)果(即是否發(fā)生POF)，由此可得出各個輸入?yún)?shù)對預(yù)測結(jié)果的影響權(quán)重。

輸入?yún)?shù)設(shè)為A型行為、腮腺炎病史、婦科手術(shù)史、使用促排卵藥物史、婚育史、FSH、FSH/LH、AMH、INHB、AFC、PSV、RI。各輸入?yún)?shù)按“連續(xù)變量”和“分類變量”進行分類后，歸一化到[0，1]區(qū)間。輸出參數(shù)設(shè)為是否發(fā)生POF，其中“發(fā)生POF”編碼為1，“未發(fā)生POF”編碼為0。將訓(xùn)練樣本的輸入?yún)?shù)輸入網(wǎng)絡(luò)，詳見表1[6-10]。

網(wǎng)絡(luò)設(shè)置為自動體系結(jié)構(gòu)選擇，隱層節(jié)點數(shù)1～50，訓(xùn)練類別為“批處理”，優(yōu)化算法為“調(diào)整的共軛梯度”，初始Lambda值為0.000 000 5，初始Sigma值為0.000 05，間隔中心點為“0”，間隔偏移量為±0.5。網(wǎng)絡(luò)運行后，可獲得POF預(yù)測擬概率，按0.50的分界值計算出預(yù)測POF的靈敏度、特異度和總符合率，同時繪制受試者工作特征(ROC)曲線并計算ROC曲線下面積(AUC)。同法完成檢驗樣本的輸入并對模型進行校正，最后利用堅持樣本進行模型穩(wěn)定性檢測。

表1 輸入?yún)?shù)設(shè)置表

注：FSH=卵泡刺激素，LH=黃體生成素，AMH=抗苗勒管激素，INHB=抑制素B，AFC=竇狀卵泡數(shù)，PSV=收縮期峰流速，RI=阻力指數(shù)

2 結(jié)果

2.1 一般情況 訓(xùn)練樣本平均年齡(37.2±2.1)歲，發(fā)生POF 46例；檢驗樣本平均年齡(36.9±1.9)歲，發(fā)生POF 12例；堅持樣本平均年齡(37.6±2.3)歲，發(fā)生POF 25例。

2.2 構(gòu)建多層向前神經(jīng)網(wǎng)絡(luò)模型 ANN經(jīng)過剔除“冗余”后，自動構(gòu)建出輸入單元(12個)、單隱層(6個節(jié)點)和激活函數(shù)(hyperbolic tangent)、輸出單元(2個)和激活函數(shù)(softmax)的模型(見圖1)。

訓(xùn)練樣本的交叉熵誤差值為53.236，在預(yù)測誤差未減少時終止測試，訓(xùn)練時間為0.42 s。影響權(quán)重在前5位的輸入?yún)?shù)分別為AMH(26.3%)、INHB(24.1%)、AFC(21.7%)、A型行為(7.2%)、婦科手術(shù)史(6.5%)。多層向前神經(jīng)網(wǎng)絡(luò)模型預(yù)測訓(xùn)練樣本、檢驗樣本、堅持樣本發(fā)生POF的靈敏度分別為97.8%、91.7%和92.0%，特異度分別為92.4%、84.4%和80.0%，總符合率分別為93.8%、86.4%和83.2%(見表2～4)。在訓(xùn)練樣本和檢驗樣本的基礎(chǔ)上，得到多層向前神經(jīng)網(wǎng)絡(luò)模型預(yù)測POF的AUC為0.972(見圖2)。

3 討論

多年來，國內(nèi)外學(xué)者提出的POF預(yù)測方法層出不窮：龐震苗等[4]從流行病學(xué)角度構(gòu)建了以危險因素為參數(shù)的Logistic回歸預(yù)測模型；丁婷[11]首先以年齡、內(nèi)分泌和影像學(xué)指標(biāo)為基礎(chǔ)建立回歸模型，然后尋找各指標(biāo)間的最佳擬合曲線并篩選出最佳參數(shù)，最后通過將預(yù)測絕經(jīng)年齡分布與實際絕經(jīng)年齡分布進行比較，構(gòu)建出以AMH和年齡為參數(shù)的預(yù)測模型；吳日然等[12]提出以抑制素(INH)和AMH為參數(shù)評價卵巢儲備功能更加可靠；陳士嶺等[13]給出了預(yù)測卵巢功能降低的AFC界定值。在眾多橫斷面研究和前瞻性研究中，以內(nèi)分泌和影像學(xué)指標(biāo)作為參數(shù)居多，建模方法多為經(jīng)驗公式或數(shù)理統(tǒng)計[4]。本研究首次嘗試將危險因素、內(nèi)分泌和影像學(xué)指標(biāo)作為聯(lián)合參數(shù)，采用ANN建模，進一步探討最佳預(yù)測參數(shù)組合和高總符合率的預(yù)測模型構(gòu)建方法。

表2 多層向前神經(jīng)網(wǎng)絡(luò)模型預(yù)測訓(xùn)練樣本發(fā)生POF的價值

Table2 The value of multilayer forward neural network model for predicting POF in training sample

多層向前神經(jīng)網(wǎng)絡(luò)模型隨訪結(jié)果發(fā)生POF 未發(fā)生POF合計發(fā)生POF45 10 55 未發(fā)生POF 1 121122合計46131177

表3 多層向前神經(jīng)網(wǎng)絡(luò)模型預(yù)測檢驗樣本發(fā)生POF的價值

Table3 The value of multilayer forward neural network model for predicting POF in test sample

多層向前神經(jīng)網(wǎng)絡(luò)模型隨訪結(jié)果發(fā)生POF 未發(fā)生POF合計發(fā)生POF11 5 16未發(fā)生POF 1 2728合計123244

表4 多層向前神經(jīng)網(wǎng)絡(luò)模型預(yù)測堅持樣本發(fā)生POF的價值

Table4 The value of multilayer forward neural network model for predicting POF in persistent sample

多層向前神經(jīng)網(wǎng)絡(luò)模型隨訪結(jié)果發(fā)生POF 未發(fā)生POF合計發(fā)生POF231437未發(fā)生POF 2 5658合計257095

本研究結(jié)果顯示，按影響權(quán)重得出預(yù)測POF的重要影響因子分別是AMH、INHB、AFC、A型行為和婦科手術(shù)史。AMH和INHB均屬于轉(zhuǎn)化生長因子β超家族成員，前者水平與月經(jīng)周期無關(guān)，由竇前卵泡和竇狀卵泡的顆粒細(xì)胞分泌，與獲卵數(shù)及卵巢反應(yīng)性呈正相關(guān)[14-15]；后者水平從卵泡期開始升高，排卵期達(dá)到高峰，黃體期逐漸降低，由顆粒細(xì)胞分泌，反饋性抑制垂體FSH的分泌，直接反映卵巢的儲備功能。竇狀卵泡對FSH具有高度敏感性和反應(yīng)性，且與INH和AMH具有高度相關(guān)性，故臨床上常用AFC來反映卵巢的剩余卵泡池。A型行為的人情緒易波動，即使休息也難以松弛，并缺乏耐心、性情急躁、時間緊迫感較強和做事快。經(jīng)常有抑郁或郁悶感、與家人相處不融洽及A型行為反應(yīng)模式，會刺激下丘腦-垂體-卵巢軸，形成不良的負(fù)性條件反射，進一步引起下丘腦FSH、LH和雌激素(E2)分泌異常，內(nèi)分泌紊亂，月經(jīng)周期改變，最終發(fā)展為閉經(jīng)。國內(nèi)外許多研究表明，不同婦科術(shù)式及路徑，術(shù)中切除范圍、切除面積甚至止血方式的不同，均將對卵巢功能、患者的心理及術(shù)后生活質(zhì)量產(chǎn)生不同影響[16-17]。近年來，由于腹腔鏡技術(shù)具有不開腹、創(chuàng)傷小、恢復(fù)快、術(shù)后疼痛輕等優(yōu)點，在卵巢手術(shù)中的應(yīng)用逐漸增多。但腹腔鏡手術(shù)中使用電外科器械，電熱可能會損傷卵巢組織或影響卵巢血運，從而影響卵巢功能[18]。因此，婦科手術(shù)尤其是腹腔鏡手術(shù)中要正確認(rèn)識和利用電外科器械，嚴(yán)格掌握手術(shù)方式和手術(shù)適應(yīng)證，選擇合適的止血方式，從而減少對卵巢儲備功能的影響，不僅達(dá)到表面的微創(chuàng)，也達(dá)到卵巢功能的微創(chuàng)[19]。

注：FSH=卵泡刺激素，LH=黃體生成素，AMH=抗苗勒氏管激素，INHB=抑制素B，AFC=竇狀卵泡數(shù)，PSV=收縮期峰流速，RI=阻力指數(shù)，POF=卵巢早衰

圖1 多層向前神經(jīng)網(wǎng)絡(luò)模型

Figure1 Multilayer forward neural network model

本研究所納入的預(yù)測變量既有連續(xù)變量，如內(nèi)分泌指標(biāo)(FSH、FSH/LH、AMH、INHB)、影像學(xué)指標(biāo)(AFC、PSV、RI)；又有分類變量，如危險因素(A型行為、腮腺炎病史、婦科手術(shù)史、使用促排卵藥物史、婚育史)。很顯然，常用的線性回歸方法不適用，而Logistic回歸在定性和定量的混合資料的預(yù)測方面有優(yōu)勢，ANN也在醫(yī)學(xué)預(yù)測領(lǐng)域有較好的應(yīng)用價值。鑒于此，本研究構(gòu)建出多層向前神經(jīng)網(wǎng)絡(luò)模型，其預(yù)測訓(xùn)練樣本、檢驗樣本和堅持樣本發(fā)生POF的靈敏度分別為97.8%、91.7%和92.0%，特異度分別為92.4%、84.4%和80.0%，總符合率分別為93.8%、86.4%和83.2%。證實了本模型具有較好的預(yù)測效果。

每例身體健康符合納入條件的適齡婦女只需提供相應(yīng)的臨床信息，便可通過該模型預(yù)測其是否發(fā)生POF。如此，不僅可提前做好“計劃生育”的安排，也可早診早治減少絕經(jīng)后遠(yuǎn)期并發(fā)癥。本研究受限于研究的時限和規(guī)模，所以本模型適合的女性年齡段較窄，但可期待后期做大樣本研究來彌補這個缺憾。

圖2 多層向前神經(jīng)網(wǎng)絡(luò)模型預(yù)測POF的ROC曲線

Figure2 The ROC curve of multilayer forward neural network model for predicting POF

統(tǒng)計學(xué)無法運用二項、多項Logistic回歸對疾病進行多因素分析，同時還需要各變量必須符合正態(tài)性和獨立性特點。然而，ANN不僅很容易解決此類問題，而且可通過多臺電腦輸入節(jié)點實現(xiàn)并計算，計算方法成熟，使用方便，適用范圍廣泛。但值得注意的是，基于ANN建模依據(jù)樣本數(shù)的多寡和自變量數(shù)的不同而不同，各參數(shù)影響權(quán)重受模型的變化產(chǎn)生差異，需要不斷嘗試和避免過度學(xué)習(xí)來建立最佳模型。本研究主要立足于POF預(yù)測的方法學(xué)探索，由于受隨訪時間和樣本規(guī)模的限制，而且具有一定的區(qū)域性，所得多層向前神經(jīng)網(wǎng)絡(luò)模型雖然在本中心本地區(qū)具有較高的總符合率，但恐難以泛化。

綜上所述，基于ANN構(gòu)建的POF預(yù)測模型——多層向前神經(jīng)網(wǎng)絡(luò)模型具有較高臨床診斷總符合率，不僅為POF臨床高效診斷及優(yōu)化檢查提供理論基礎(chǔ)和方法支持，而且為實現(xiàn)早防早治提供機會，值得臨床推廣。隨著網(wǎng)絡(luò)科技的發(fā)展，POF預(yù)測模型的研究可建立在多中心和大樣本之上，而且多層向前神經(jīng)網(wǎng)絡(luò)模型具有自學(xué)習(xí)和自適應(yīng)能力，多中心可通過網(wǎng)絡(luò)協(xié)作，共享樣本數(shù)據(jù)，重組輸入?yún)?shù)，以提高預(yù)測模型泛化度和準(zhǔn)確度。多層向前神經(jīng)網(wǎng)絡(luò)模型不僅可為POF高效診斷及優(yōu)化檢查提供基礎(chǔ)理論和方法支持，也有利于早期發(fā)現(xiàn)POF傾向，為延緩甚至逆轉(zhuǎn)POF提供機會，甚至有望成為人工智能專家，具有極廣闊的應(yīng)用前景。

作者貢獻：吳妍進行文章的構(gòu)思與設(shè)計、可行性分析、文獻/資料收集與整理、撰寫論文，負(fù)責(zé)文章的質(zhì)量控制及審校，對文章整體負(fù)責(zé)、監(jiān)督管理；姚蕾進行論文的修訂；盛文麗負(fù)責(zé)檢驗結(jié)果與校對；劉明娟負(fù)責(zé)數(shù)據(jù)分析及統(tǒng)計。

本文無利益沖突。

[1]PANAY N,KALU E.Management of premature ovarian failure[J].Best Pract Res Clin Obstet Gynaecol,2009,23(1):129-140.DOI:10.1016/j.bpobgyn.2008.10.008.

[2]馬麗靈,阮祥燕.100例卵巢早衰相關(guān)因素的調(diào)查分析[J].實用婦產(chǎn)科雜志,2009,25(4):212-215.DOI:10.3969/j.issn.1003-6946.2009.04.010. MA L L,RUAN X Y.Investigations of correlation factors in 100 patients with premature ovarian failure[J].Journal of Practical Obstetrics and Gynecology,2009,25(4):212-215.DOI:10.3969/j.issn.1003-6946.2009.04.010.

[3]徐暉.卵巢早衰的治療現(xiàn)狀及進展[J].中國現(xiàn)代醫(yī)生,2015,53(21):157-160. XU H.Current status and progress of premature ovarian failure treatment[J].China Modern Doctor,2015,53(21):157-160.

[4]龐震苗,易穎,陳凱佳.卵巢早衰發(fā)病的流行病學(xué)調(diào)查及可能性預(yù)測的數(shù)學(xué)模型的構(gòu)建[J].現(xiàn)代中西醫(yī)結(jié)合雜志,2007,16(28):4257-4258.DOI:10.3969/j.issn.1008-8849.2007.28.146. PANG Z M,YI Y,CHEN K J.The establishment of mathematical model for epidemiological investigation and prediction of premature ovarian failure[J].Modern Journal of Integrated Traditional Chinese and Western Medicine,2007,16(28):4257-4258.DOI:10.3969/j.issn.1008-8849.2007.28.146.

[5]SILVA C A,YAMAKAMI L Y,AIKAWA N E,et al.Autoimmune primary ovarian insufficiency[J].Autoimmun Rev,2014,13(4/5):427-430.DOI:10.1016/j.autrev.2014.01.003.

[6]SHRIM A,ELIZUR S E,SEIDMAN D S,et al.Elevated day 3 FSH/LH ratio due to low LH concentrations predicts reduced ovarian response[J].Reprod Biomed Online,2006,12(4):418-422.

[7]GASPARIN A A,CHAKR R M,BRENOL C V,et al.Anti-Müllerian hormone levels as a predictor of ovarian reserve in systemic lupus erythematosus patients:a review[J].Rev Bras Reumatol,2015,55(4):363-367.DOI:10.1016/j.rbr.2014.05.008.

[8]WISE L A,TROISI R,HATCH E E,et al.Prenatal diethylstilbestrol exposure and reproductive hormones in premenopausal women[J].J Dev Orig Health Dis,2015,6(3):208-216.DOI:10.1017/S2040174415000082.

[9]YEUNG T W,CHAI J,LI R H,et al.A randomized,controlled,pilot trial on the effect of dehydroepiandrosterone on ovarian response markers,ovarian response,and in vitro fertilization outcomes in poor responders[J].Fertil Steril,2014,102(1):108-115.e1.DOI:10.1016/j.fertnstert.2014.03.044.

[10]莫中福,徐素欣,馬利欣,等.經(jīng)陰道彩色多普勒超聲檢測卵巢早衰患者的卵巢血流狀況[J].中華現(xiàn)代婦產(chǎn)科學(xué)雜志,2006,3(4):125. MO Z F,XU S X,MA L X,et al.Transvaginal color Doppler ultrasonography assessment ovarian blood flow in patients with premature ovarian failure[J].Journal of Chinese Modern Gynecology and Obstetrics,2006,3(4):125.

[11]丁婷.卵巢衰老體外細(xì)胞模型及抗苗勒管激素用于早期評估預(yù)警系統(tǒng)的建立[D].武漢：華中科技大學(xué),2012. DING T.Establish the in-vitro cell model and early estimated warning system by anti-mullerian hormone of ovary aging[D].Wuhan:Huazhong University of Science and Technology,2012.

[12]吳日然,葉云,廖月嬋,等.抑制素B和抗苗勒管激素預(yù)測卵巢反應(yīng)性[J].生殖醫(yī)學(xué)雜志,2007,16(5):302-303.DOI:10.3969/j.issn.1004-3845.2007.05.004. WU R R,YE Y,LIAO Y C,et al.The effect of serum inhibin B and anti-mullerian hormone measurement for predicting ovarian reserve and treatment options in assisted reproduction [J].Journal of Reproductive Medicine,2007,16(5):302-303.DOI:10.3969/j.issn.1004-3845.2007.05.004.

[13]陳士嶺,夏容,陳薪,等.基礎(chǔ)竇狀卵泡數(shù)結(jié)合年齡用于評估卵巢儲備及預(yù)測卵巢低反應(yīng)和體外受精臨床結(jié)局[J].南方醫(yī)科大學(xué)學(xué)報,2011,31(4):572-577. CHEN S L,XIA R,CHEN X,et al.Prediction of ovarian reserve,poor response and pregnancy outcome based on basal antral follicle count and age in patients undergoing in vitro fertilization-embryo transfer[J].Journal of Southern Medical University,2011,31(4):572-577.

[14]LI H W,LEE V C,LAU E Y,et al.Role of baseline antral follicle count and anti-Mullerian hormone in prediction of cumulative live birth in the first in vitro fertilisation cycle:a retrospective cohort analysis[J].PLoS One,2013,8(4):e61095.

[15]KNAUFF E A,EI JKEMANS M J,LAMBALK C B,et al.Anti-Mullerian hormone,inhibin B,and antral follicle count in young women with ovarian failure[J].J Clin Endocrinol Metab,2009,94(3):786-792.DOI:10.1210/jc.2008-1818.

[16]王紅菊,張小麗.剖宮產(chǎn)術(shù)后再次妊娠陰道試產(chǎn)結(jié)局的預(yù)測模型[J].中國實用醫(yī)藥,2010,5(25):87-88.DOI:10.3969/j.issn.1673-7555.2010.25.062. WANG H J,ZHANG X L.Predictive model of vaginal trial production outcome after cesarean section in second pregnancy[J].China Practical Medical,2010,5(25):87-88.DOI:10.3969/j.issn.1673-7555.2010.25.062.

[17]LI C Z,LIU B,WEN Z Q,et al.The impact of electrocoagulation on ovarian reserve after laparoscopic excision of ovarian cysts:a prospective clinical study of 191 patients[J].Fertil Steril,2009,92(4):1428-1435.DOI:10.1016/j.fertnstert.2008.08.071.

[18]袁鶴,陳炳香,張紅春.腹腔鏡良性卵巢囊腫剝除術(shù)對卵巢功能的影響[J].中國臨床醫(yī)學(xué),2010,17(5):722-723.DOI:10.3969/j.issn.1008-6358.2010.05.039. YUAN H,CHEN B X,ZHANG H C.Effect of laparoscopic ovarian surgery using different hemostasia methods on ovarian function in the treatment of patients with benign ovarian cyst[J].Chinese Journal of Clinical Medicine,2010,17(5):722-723.DOI:10.3969/j.issn.1008-6358.2010.05.039.

[19]游啟鳳.腹腔鏡卵巢手術(shù)對卵巢功能影響分析[J].內(nèi)蒙古中醫(yī)藥,2012,31(10):84.DOI:10.3969/j.issn.1006-0979.2012.10.092. YOU Q F.Effect of laparoscopic ovarian surgery on ovarian function[J].Inner Mongol Journal of Traditional Chinese Medicine,2012,31(10):84.DOI:10.3969/j.issn.1006-0979.2012.10.092.

(本文編輯：崔麗紅)

PredictionModelofPrematureOvarianFailureBasedonArtificialNeuralNetwork

WUYan*,YAOLei,SHENGWen-li,LIUMing-juan

DepartmentofObstetricsandGynecology,theSecondWorker′sHospitalofChinaResourcesandWISCO,Wuhan430085,China

*Correspondingauthor:WUYan,Associatechiefphysician;E-mail:jzg100@126.com

ObjectiveTo establish a multilayer forward neural network model based on artificial neural network(ANN) for predicting premature ovarian failure(POF),in order to increase the total coincidental rate of clinical diagnosis.MethodsThree hundred and forty-one women met the inclusion criteria were selected as the study subjects,who lived in six communities under the jurisdiction of Baiyushan Street in Wuhan City during January to March 2011.From May 2011 to June 2016,each case was conducted to hospital follow-up once every four months until the age of 40.During the follow-up,2 cases underwent hysterectomy,2 cases

sex hormone treatment,21 cases were lost,all these cases were excluded,and finally 316 cases were included in the study.Using unbiased randomized allocation method,316 subjects were divided into training sample(177 cases),test sample(44 cases) and persistent sample(95 cases).The input parameters were set as the type A behavior,mumps history,history of gynecological surgery,history of ovulation induction drugs use,marriage and birth history,follicle stimulating hormone(FSH),FSH/luteinizing hormone(LH) and anti mullerian hormone(AMH),inhibin B(INHB),the number of antral follicles(AFC),systolic peak velocity(PSV) and resistance index(RI);the output parameter was "whether POF occured".The model was constructed by training sample,and corrected by the test sample.The stability of the model was tested by persistent sample.ResultsAfter eliminating the "redundancy",ANN automatically constructed model of input unit(12),single hidden layer(six nodes) and activation function(hyperbolic tangent),output unit(2) and activation function(softmax).The cross entropy error value of the training sample was 53.236.Abort testing when the prediction error did not decrease,and the test time was 0.42 s.The input parameters affecting the weights in the top 5 were AMH(26.3%),INHB(24.1%),AFC(21.7%),type A behavior(7.2%),and history of gynecological surgery(6.5%).The sensitivity of multilayer forward neural network model predicting POF in the training sample,test sample and persistent sample was 97.8%,91.7% and 92.0%,respectively;the specificity was 92.4%,84.4% and 80.0%,respectively,and the total coincidental rate was 93.8%,86.4% and 83.2%,respectively.On the basis of training sample and test sample,the AUC of multilayer forward neural network model predicting POF was 0.972.ConclusionThe multilayer forward neural network model based on ANN for predicting POF has a high total coincidental rate of clinical diagnosis.It not only provides a theoretical basis and method support for the clinical efficient diagnosis and optimization examination,but also provides an opportunity to realize early prevention and early treatment,and is worthy of clinical promotion.

Primary ovarian insufficiency;Ovarian failure,premature;Neural networks(computer);Forecasting

武漢市臨床醫(yī)學(xué)科研項目(WX15D15)；第四批武漢中青年醫(yī)學(xué)骨干人才資助項目

R 711.75

A

10.3969/j.issn.1007-9572.2017.06.y01

2017-02-10；

2017-05-03)

430085 湖北省武漢市，武漢鋼鐵(集團)公司第二職工醫(yī)院婦產(chǎn)科

*通信作者：吳妍，副主任醫(yī)師；E-mail：jzg100@126.com