DOI: 10.12307/2024.294
基于人工神经网络骨关节炎诊断模型的建立与分析
范以东1
秦刚2
苏国威1
肖世富1
刘俊良1
李威材1
吴广涛1
1.广西中医药大学,广西壮族自治区 南宁市 5300002.广西中医药大学第一附属医院骨病创伤骨科,广西壮族自治区 南宁市 530022
摘要：背景:生物信息学领域的快速发展为骨关节炎的诊断提供了新的方法.人工神经网络具有强大的数据计算能力和分类能力,研究表明其在诊断疾病方面表现出了较好的性能.
目的:旨在使用人工神经网络建立一种新的骨关节炎诊断预测模型,并通过外部数据集验证其在骨关节炎中的诊断价值.
方法:通过GEO数据库搜索下载符合要求的骨关节炎相关数据集,将其分为Train组与Test组.对Train组的基因表达矩阵进行差异分析,筛选差异表达基因.对差异基因进行GO、KEGG富集分析;通过Lasso回归模型、支持向量机模型、随机森林树模型从差异基因中进一步鉴定骨关节炎关键基因.随后使用R软件"neuralnet"包构建基于人工神经网络的骨关节炎诊断模型,5折交叉验证评估模型表现;使用Test组中2个独立的数据集来验证其诊断效果.
结果与结论:通过差异分析共得到90个与骨关节炎相关的差异基因,其中33个下调,57个上调.GO富集分析显示其生物过程主要参与白细胞介导的免疫、骨髓白细胞迁移、趋化因子产生等过程;KEGG富集显示差异基因主要富集在类风湿关节炎、白细胞介素17信号通路、破骨细胞分化等通路.通过3种机器学习方法筛选并取交集后共得到5个诊断骨关节炎的关键基因,分别为HMGB2、GADD45A、SLC19A2、TPPP3、FOLR2.Train组中5个关键基因建立的人工神经网络模型显示其准确率为96.36%,曲线下面积(AUC)为0.997,对神经网络模型的5折交叉验证表明其平均AUC＞0.9,具有一定的稳健性;Test组中2个独立的数据集结果显示其AUC分别为0.814和0.788.提示:建立的人工神经网络骨关节炎诊断模型具有一定的诊断价值.
关键词：骨关节炎诊断模型人工神经网络机器学习
分类号：R496(康复医学)R318(医用一般科学)R446(诊断学)
论文发表日期：2024-06-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 2550-2554 )
英文信息