• 1.四川大學(xué)華西醫(yī)院　循證醫(yī)學(xué)與流行病學(xué)教研室;;
  • 　2.心血管外科，成都　610041;

疾病預(yù)后常受到多種因素影響，且各因素之間又存在著復(fù)雜的非線性關(guān)系。人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）是一種模擬生物神經(jīng)元工作方式的人工智能模型，具有較強(qiáng)智能化處理多因素非線性能力。目前神經(jīng)網(wǎng)絡(luò)模型越來越多地應(yīng)用于臨床醫(yī)學(xué)領(lǐng)域，特別是疾病預(yù)后的預(yù)測(cè)。我們就人工神經(jīng)網(wǎng)絡(luò)的基本原理及其在疾病預(yù)后研究方面的應(yīng)用進(jìn)行綜述。

引用本文： 陳杰,周勤,陳進(jìn),石應(yīng)康,董力. 人工神經(jīng)網(wǎng)絡(luò)在疾病預(yù)后研究中的應(yīng)用進(jìn)展. 中國胸心血管外科臨床雜志, 2013, 20(1): 95-99. doi: 復(fù)制

1. 　蔣宗禮， 主編. 人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論. 北京：高等教育出版社， 2001. 7-10.
2. 　叢爽， 面向， 主編. MATLAB 工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用. 第3版. 合肥：中國科技技術(shù)大學(xué)出版社， 2009. 1-7.
3. 　方積乾， 陸盈， 主編. 現(xiàn)代醫(yī)學(xué)統(tǒng)計(jì)學(xué). 北京：人民衛(wèi)生出版社， 2002. 708-709.
4. 　韓立群， 主編. 人工神經(jīng)網(wǎng)絡(luò)教程. 北京：北京郵電大學(xué)出版社， 2006. 4-5.
5. 　Advantages TJ. Disadvantages of using artificial neural networks versus logistic regression for predicting medical outcomes. J Clin Epidemiol， 1996， 49 （11）：1225-1231.
6. 　陳進(jìn)， 石應(yīng)康， 董力. 疾病預(yù)后因素研究設(shè)計(jì)在心臟瓣膜置換術(shù)后抗凝治療臨床研究中的應(yīng)用. 中國胸心血管外科臨床雜志， 2011， 18 （4）：286-288.
7. 　王家良， 王波， 主編. 臨床流行病學(xué)：臨床科研設(shè)計(jì)， 測(cè)量與評(píng)價(jià). 第3版. 上海：上海科學(xué)技術(shù)出版社， 2009. 434-435.
8. 　孫振球， 徐勇勇， 主編. 醫(yī)學(xué)衛(wèi)生統(tǒng)計(jì). 第3版. 北京：人民衛(wèi)生出版社， 2010. 318.
9. 　Mcculloch WS， Pitts W. A logical calculus of the ideas immanent in nervous activity. Bull Math Biol， 1990， 52 （1â）：99-115.
10. 　Minsky M， Papert S， Chief editor. Perceptron （expanded edition）. Cambridge， MA：MIT Press， 1988. 1969.
11. 　Rumelhart D， Hintont GE， Williams RJ. Learning representations by back-propagating errors. Nature， 1986， 323 （9）：533-536.
12. 　施彥， 韓力群， 廉小親， 主編. 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法與實(shí)例分析. 北京：北京郵電大學(xué)出版社， 2009. 307-361.
13. 　Peng SY， Peng SK. Predicting adverse outcomes of cardiac surgery　with the application of artificial neural networks. Anaesthesia， 2008， 63 （7）：705-713.
14. 　Akl A， Ismail AM， Ghoneim M. Prediction of graft survival of living-donor kidney transplantation：nomograms or artificial neural networks ? Transplantation， 2008， 86 （10）：1401-1406.
15. 　Nilsson J， Ohlsson M， Thulin L， et al. Risk factor identification and mortality prediction in cardiac surgery using artificial neural networks.　J Thorac Cardiovasc Surg， 2006， 132 （1）：12-19.
16. 　Nashef S， Roques F， Hammill BG， et al. Validation of European system for cardiac operative risk evaluation （EuroSCORE）in North American cardiac surgery. Eur J Cardio-thoracic Surg， 2002， 22 （1）：101-105.
17. 　Gogbashian A， Sedrakyan A， Treasure T. Euroscore：a systematic review of international performance. Euro J Cardio-thoracic Surg， 2004， 25 （5）：695-700.
18. 　Yoshimura M， Takahashi Y， Uchida K， et al. Prediction of survival　in prostate cancer patients by bone scan index using computer-assisted　diagnosis system. Eur J Nucl Med Mol Imaging， 2011， 38 （Suppl 2）：S414.
19. 　Scholl S， Biã¨che I， Pallud C， et al. Relevance of multiple biological parameters in breast cancer prognosis. Breast， 1996， 5 （1）：21-30.
20. 　Ei MM， Akl A， Mosbah A， et al. Prediction of survival after radical　cystectomy for invasive bladder carcinoma：risk group stratification， nomograms or artificial neural networks?J Urol， 2009， 182 （2）：466-472.
21. 　袁金秋， 劉雅莉， 楊克虎. 基于人工神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)在臨床中應(yīng)用進(jìn)展. 圖書與情報(bào)， 2010 （3）：95-98.
22. 　范炤， 呂吉元， 陳澤華， 等. 基于BP人工神經(jīng)網(wǎng)絡(luò)的急性前壁心肌梗塞冠脈內(nèi)支架術(shù)一年預(yù)后模型研究. 中國衛(wèi)生統(tǒng)計(jì)， 2010， 27 （1）：71-73， 82.
23. 　張鳴. 初步構(gòu)建基于我國肝移植受體的生存評(píng)估模型及其與MELD的比較研究. 成都：四川大學(xué)， 2006. 1-87.
24. 　蔡煜東， 官家文， 甘駿人， 等. 人工神經(jīng)網(wǎng)絡(luò)方法在乳腺癌死亡率研究中的應(yīng)用. 中國生物醫(yī)學(xué)工程學(xué)報(bào)， 1994， 13 （4）：364-366.
25. 　黃德生， 周寶森， 劉延齡， 等. BP人工神經(jīng)網(wǎng)絡(luò)用于肺鱗癌預(yù)后預(yù)測(cè). 中國衛(wèi)生統(tǒng)計(jì)， 2000， 17 （6）：337-340.
26. 　姜成華， 王正國， 朱佩芳， 等. 基于神經(jīng)網(wǎng)絡(luò)的創(chuàng)傷預(yù)后仿真模型. 中華創(chuàng)傷雜志， 1997， 13 （3）：42-44.
27. 　De Laurentiis M， De Placido S， Bianco AR， et al. A prognostic model that makes quantitative estimates of probability of relapse for breast cancer patients. Clin Cancer Res， 1999， 5 （12）：4133-4139.
28. 　Piaggi P， Lippi C， Fierabracci P， et al. Artificial neural networks in the outcome prediction of adjustable gastric banding in obese women. PLoS One， 2010， 5 （10）：e13624.
29. 　Tu JV， Guerriere MJ. Use of a neural network as a predictive instrument for length of stay in the intensive care unit following cardiac surgery. Comput Biomed Res， 1993， 26 （3）：220-229.
30. 　Lin E， Hwang Y， Wang SC， et al. An artificial neural network approach to the drug efficacy of interferon treatments. Pharmacogenomics， 2006， 7 （7）：1017-1024.
31. 　Chang HH， Chen PS， Giacomini KM. A neural network model for predicting treatment response of antidepressant in patients with major depressive disorder. Biol Psychiatry， 2012， 71 （8）：286S.
32. 　Solomon I， Maharshak N， Chechik G， et al. Applying an artificial neural network to warfarin maintenance dose prediction. Isr Med　Assoc J， 2004， 6 （12）：732-735.
33. 　Dipti I， Peter BS， Almassy RJ， et al. Artificial neural networks：Current status in cardiovascular medicine. J Am Coll Cardiol， 1996， 28 （2）：515-521.
  1. 1. 　蔣宗禮， 主編. 人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論. 北京：高等教育出版社， 2001. 7-10.
  2. 2. 　叢爽， 面向， 主編. MATLAB 工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用. 第3版. 合肥：中國科技技術(shù)大學(xué)出版社， 2009. 1-7.
  3. 3. 　方積乾， 陸盈， 主編. 現(xiàn)代醫(yī)學(xué)統(tǒng)計(jì)學(xué). 北京：人民衛(wèi)生出版社， 2002. 708-709.
  4. 4. 　韓立群， 主編. 人工神經(jīng)網(wǎng)絡(luò)教程. 北京：北京郵電大學(xué)出版社， 2006. 4-5.
  5. 5. 　Advantages TJ. Disadvantages of using artificial neural networks versus logistic regression for predicting medical outcomes. J Clin Epidemiol， 1996， 49 （11）：1225-1231.
  6. 6. 　陳進(jìn)， 石應(yīng)康， 董力. 疾病預(yù)后因素研究設(shè)計(jì)在心臟瓣膜置換術(shù)后抗凝治療臨床研究中的應(yīng)用. 中國胸心血管外科臨床雜志， 2011， 18 （4）：286-288.
  7. 7. 　王家良， 王波， 主編. 臨床流行病學(xué)：臨床科研設(shè)計(jì)， 測(cè)量與評(píng)價(jià). 第3版. 上海：上?？茖W(xué)技術(shù)出版社， 2009. 434-435.
  8. 8. 　孫振球， 徐勇勇， 主編. 醫(yī)學(xué)衛(wèi)生統(tǒng)計(jì). 第3版. 北京：人民衛(wèi)生出版社， 2010. 318.
  9. 9. 　Mcculloch WS， Pitts W. A logical calculus of the ideas immanent in nervous activity. Bull Math Biol， 1990， 52 （1â）：99-115.
  10. 10. 　Minsky M， Papert S， Chief editor. Perceptron （expanded edition）. Cambridge， MA：MIT Press， 1988. 1969.
  11. 11. 　Rumelhart D， Hintont GE， Williams RJ. Learning representations by back-propagating errors. Nature， 1986， 323 （9）：533-536.
  12. 12. 　施彥， 韓力群， 廉小親， 主編. 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法與實(shí)例分析. 北京：北京郵電大學(xué)出版社， 2009. 307-361.
  13. 13. 　Peng SY， Peng SK. Predicting adverse outcomes of cardiac surgery　with the application of artificial neural networks. Anaesthesia， 2008， 63 （7）：705-713.
  14. 14. 　Akl A， Ismail AM， Ghoneim M. Prediction of graft survival of living-donor kidney transplantation：nomograms or artificial neural networks ? Transplantation， 2008， 86 （10）：1401-1406.
  15. 15. 　Nilsson J， Ohlsson M， Thulin L， et al. Risk factor identification and mortality prediction in cardiac surgery using artificial neural networks.　J Thorac Cardiovasc Surg， 2006， 132 （1）：12-19.
  16. 16. 　Nashef S， Roques F， Hammill BG， et al. Validation of European system for cardiac operative risk evaluation （EuroSCORE）in North American cardiac surgery. Eur J Cardio-thoracic Surg， 2002， 22 （1）：101-105.
  17. 17. 　Gogbashian A， Sedrakyan A， Treasure T. Euroscore：a systematic review of international performance. Euro J Cardio-thoracic Surg， 2004， 25 （5）：695-700.
  18. 18. 　Yoshimura M， Takahashi Y， Uchida K， et al. Prediction of survival　in prostate cancer patients by bone scan index using computer-assisted　diagnosis system. Eur J Nucl Med Mol Imaging， 2011， 38 （Suppl 2）：S414.
  19. 19. 　Scholl S， Biã¨che I， Pallud C， et al. Relevance of multiple biological parameters in breast cancer prognosis. Breast， 1996， 5 （1）：21-30.
  20. 20. 　Ei MM， Akl A， Mosbah A， et al. Prediction of survival after radical　cystectomy for invasive bladder carcinoma：risk group stratification， nomograms or artificial neural networks?J Urol， 2009， 182 （2）：466-472.
  21. 21. 　袁金秋， 劉雅莉， 楊克虎. 基于人工神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)在臨床中應(yīng)用進(jìn)展. 圖書與情報(bào)， 2010 （3）：95-98.
  22. 22. 　范炤， 呂吉元， 陳澤華， 等. 基于BP人工神經(jīng)網(wǎng)絡(luò)的急性前壁心肌梗塞冠脈內(nèi)支架術(shù)一年預(yù)后模型研究. 中國衛(wèi)生統(tǒng)計(jì)， 2010， 27 （1）：71-73， 82.
  23. 23. 　張鳴. 初步構(gòu)建基于我國肝移植受體的生存評(píng)估模型及其與MELD的比較研究. 成都：四川大學(xué)， 2006. 1-87.
  24. 24. 　蔡煜東， 官家文， 甘駿人， 等. 人工神經(jīng)網(wǎng)絡(luò)方法在乳腺癌死亡率研究中的應(yīng)用. 中國生物醫(yī)學(xué)工程學(xué)報(bào)， 1994， 13 （4）：364-366.
  25. 25. 　黃德生， 周寶森， 劉延齡， 等. BP人工神經(jīng)網(wǎng)絡(luò)用于肺鱗癌預(yù)后預(yù)測(cè). 中國衛(wèi)生統(tǒng)計(jì)， 2000， 17 （6）：337-340.
  26. 26. 　姜成華， 王正國， 朱佩芳， 等. 基于神經(jīng)網(wǎng)絡(luò)的創(chuàng)傷預(yù)后仿真模型. 中華創(chuàng)傷雜志， 1997， 13 （3）：42-44.
  27. 27. 　De Laurentiis M， De Placido S， Bianco AR， et al. A prognostic model that makes quantitative estimates of probability of relapse for breast cancer patients. Clin Cancer Res， 1999， 5 （12）：4133-4139.
  28. 28. 　Piaggi P， Lippi C， Fierabracci P， et al. Artificial neural networks in the outcome prediction of adjustable gastric banding in obese women. PLoS One， 2010， 5 （10）：e13624.
  29. 29. 　Tu JV， Guerriere MJ. Use of a neural network as a predictive instrument for length of stay in the intensive care unit following cardiac surgery. Comput Biomed Res， 1993， 26 （3）：220-229.
  30. 30. 　Lin E， Hwang Y， Wang SC， et al. An artificial neural network approach to the drug efficacy of interferon treatments. Pharmacogenomics， 2006， 7 （7）：1017-1024.
  31. 31. 　Chang HH， Chen PS， Giacomini KM. A neural network model for predicting treatment response of antidepressant in patients with major depressive disorder. Biol Psychiatry， 2012， 71 （8）：286S.
  32. 32. 　Solomon I， Maharshak N， Chechik G， et al. Applying an artificial neural network to warfarin maintenance dose prediction. Isr Med　Assoc J， 2004， 6 （12）：732-735.
  33. 33. 　Dipti I， Peter BS， Almassy RJ， et al. Artificial neural networks：Current status in cardiovascular medicine. J Am Coll Cardiol， 1996， 28 （2）：515-521.