循环神经网络模型在腹膜透析临床预后预测中的初步应用

• 作者: 唐雯 张超贺 王亚沙 马辛宇 马连韬 高峻逸
• 来源期刊: 北京大学学报医学版
• 关键词: 腹膜透析 预后 死亡风险预测 循环神经网络 门控循环单元
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 技术方法
• 页码范围: 602-608
• 页数: 7页
• 分类号: R459.51
• 语种: 中文
• DOI: 10.19723/j.issn.1671-167X.2019.03.034

摘要

目的:应用深度学习模型循环神经网络(recurrent neural network,RNN)及其变体门控循环单元(gated recurrent unit,GRU),基于临床真实数据,构建腹膜透析临床预后预测模型,并比较其与医学研究中常用的逻辑回归(logistic regression,LR)模型的预测性能,探索预测结果中可能的医学意义.方法:使用北京大学第三医院腹膜透析门诊的常规诊疗数据,基于患者在开始透析时的基线数据、随访数据和预后数据构建RNN和GRU预测模型.使用受试者工作特征曲线下面积(area under the ROC curve,AUROC)、召回率(recall)、F1分数(F1-score)三个指标在测试集上评价比较模型对患者死亡风险的预测效果.结果:共纳入656例患者,其中死亡患者261例,共计13 091条诊断记录.经过十折交叉验证调整超参数并在单独的测试集测试结果显示,LR模型、RNN模型、GRU模型的AUROC分别为0.701 4、0.786 0、0.814 7,RNN和GRU模型的预测性能显著优于传统的LR模型.在召回率和F1分数方面,RNN和GRU模型的性能也均显著优于LR模型,且GRU模型表现最好.进一步分析显示GRU模型在不同预测窗口下对于不同死因或相同死因的召回率不尽相同.结论:RNN模型(尤其是GRU模型)相比于传统医学研究所使用的LR模型,对于腹膜透析临床预后预测具有更佳效果,可能有助于医生早期干预,提高医疗质量,具有很强的临床应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐雯	北京大学第三医院肾内科	28	142	7.0	11.0
2	王亚沙	北京大学高可信软件技术教育部重点实验室	17	120	6.0	10.0
3	高峻逸	北京大学高可信软件技术教育部重点实验室	1	0	0.0	0.0
4	马辛宇	北京大学高可信软件技术教育部重点实验室	1	0	0.0	0.0
8	张超贺	北京大学高可信软件技术教育部重点实验室	1	0	0.0	0.0
9	马连韬	北京大学高可信软件技术教育部重点实验室	1	0	0.0	0.0