基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的高原適應(yīng)人群預(yù)測(cè)模型構(gòu)建及應(yīng)用研究*

肖軍 李小薇 高瞻 孟方園 盧江敏 候杜娟 李翠瑩

高原是人類最具挑戰(zhàn)的環(huán)境之一，近年來(lái)，隨著國(guó)防建設(shè)的需求日益增大，每年進(jìn)入高原地區(qū)駐訓(xùn)演練的人數(shù)也不斷增加。然而，生活在平原的人群進(jìn)入高原后，部分人會(huì)出現(xiàn)包括頭疼、嘔吐、心慌、食欲減退等一些列臨床癥候群，稱為急性高原反應(yīng)（acute mountain sickness, AMS）[1]。從我軍資料來(lái)看，急進(jìn)高原時(shí)中國(guó)官兵發(fā)生AMS的概率較高，造成大量非戰(zhàn)斗減員，影響部隊(duì)的戰(zhàn)斗力，嚴(yán)重者還會(huì)發(fā)展為高原腦水腫和高原肺水腫，威脅進(jìn)入高原人群的生命安全[2]。AMS的發(fā)生存在明顯的個(gè)體差異，若能在進(jìn)入高原前，將這些AMS易感人群篩選出來(lái)，則可以減少AMS易感人群進(jìn)入高原，從源頭上降低AMS發(fā)病率，有效降低非戰(zhàn)斗減員[3]。然而，目前國(guó)內(nèi)外對(duì)于AMS的研究仍集中于發(fā)病機(jī)制、預(yù)防治療等方面，尚缺少準(zhǔn)確實(shí)用的AMS預(yù)測(cè)模型的研究。針對(duì)該問(wèn)題，本研究擬通過(guò)生理、生化和遺傳學(xué)指標(biāo)等模型構(gòu)建所需的指標(biāo)體系，利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的AMS預(yù)測(cè)模型識(shí)別高原耐受人群，以期減少進(jìn)駐高原部隊(duì)官兵AMS的發(fā)生，提高高原作戰(zhàn)衛(wèi)勤保障能力。

材料與方法

1 實(shí)驗(yàn)對(duì)象 選擇四川地區(qū)入藏人員98人作為受試對(duì)象。平均年齡（22.8±1.2）歲，無(wú)進(jìn)入高原低氧環(huán)境暴露史。在平原（海拔500 m）完成實(shí)驗(yàn)室指標(biāo)檢測(cè)后，進(jìn)入西藏高原地區(qū)（海拔3 658 m），入藏后1～3天進(jìn)行急性高原反應(yīng)評(píng)估，AMS疾病診斷標(biāo)準(zhǔn)參照國(guó)家軍用標(biāo)準(zhǔn)GJB1098-91。本研究經(jīng)中國(guó)人民解放軍空軍特色醫(yī)學(xué)中心（原空軍總醫(yī)院）倫理委員會(huì)批準(zhǔn)（第2017-16-YJ01）。

2 方法

2.1 指標(biāo)體系的建立：根據(jù)國(guó)外關(guān)于急性高原病發(fā)病機(jī)制研究進(jìn)展，依簡(jiǎn)單、易測(cè)、低傷害等原則，選擇測(cè)定指標(biāo)，構(gòu)建模型指標(biāo)體系，并以此作為徑向基函數(shù)（radial basis function，RBF）神經(jīng)網(wǎng)絡(luò)模型的因素集。進(jìn)入高原前，由醫(yī)務(wù)人員對(duì)98名受試對(duì)象按既定檢測(cè)指標(biāo)進(jìn)行檢測(cè)[4]。進(jìn)入高原后，根據(jù)急性高原病診斷標(biāo)準(zhǔn)進(jìn)行判斷，如發(fā)生急性高原病，則賦值為1，反之則賦值為0。輸入的篩選指標(biāo)包括：生理指標(biāo)：身體質(zhì)量指數(shù)（BMI）；生化指標(biāo)：血紅蛋白，氧飽和度，P50；遺傳學(xué)指標(biāo)：EPAS1基因單核苷酸多態(tài)性（single nucleotide polymorphism，SNP）位點(diǎn)（rs13419896，rs1868092，rs4953354），EGLN1基因SNP位點(diǎn)（rs12097901，rs2790859）。

2.2 RBF神經(jīng)網(wǎng)絡(luò)模型構(gòu)建：RBF神經(jīng)網(wǎng)絡(luò)是以函數(shù)逼近理論為基礎(chǔ)而構(gòu)造的一類前向網(wǎng)絡(luò)，由輸入層、隱藏層、輸出層構(gòu)成。采用SPSS 26.0進(jìn)行構(gòu)建神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型[5]，將收集到的數(shù)據(jù)集按7∶3比例分為訓(xùn)練集和測(cè)試集，隱藏層中的最小單元數(shù)設(shè)置為1，最大單元數(shù)為50。

2.3 ROC曲線繪制：以模型的1-特異度為橫坐標(biāo)，靈敏度為縱坐標(biāo)，繪制ROC曲線，計(jì)算機(jī)處理得到曲線下面積（area under the curve，AUC），AUC＜0.5說(shuō)明無(wú)診斷價(jià)值，AUC=1為最理想檢測(cè)指標(biāo)。

結(jié) 果

1 構(gòu)建RBF樣本集，擬合RBF神經(jīng)網(wǎng)絡(luò) 以受試對(duì)象急進(jìn)高原前各項(xiàng)指標(biāo)作為網(wǎng)絡(luò)輸入變量，急性高原病發(fā)生與否作為因變量構(gòu)建預(yù)測(cè)模型，樣本分區(qū)按照樣本的相對(duì)數(shù)目以7∶3隨機(jī)分配為訓(xùn)練集和檢驗(yàn)集。若檢驗(yàn)集有一個(gè)或多個(gè)樣本的輸入變量或目標(biāo)變量未在訓(xùn)練集中出現(xiàn)，則會(huì)在分析時(shí)排除某些檢驗(yàn)集和訓(xùn)練集中的樣本。因此，構(gòu)建成功的模型實(shí)際訓(xùn)練集中樣本數(shù)為50例，檢驗(yàn)樣本數(shù)為9例，排除樣本39例。模型輸入層的因子共9個(gè)包括：BMI，血紅蛋白，氧飽和度，P50，EPAS1基因SNP位點(diǎn)（rs13419896,rs1868092，rs4953354），EGLN1基因SNP位點(diǎn)（rs12097901，rs2790859）；隱藏層單元數(shù)為10，激活函數(shù)為Softmax；輸出層單元數(shù)為2，激活函數(shù)恒等式函數(shù)，誤差函數(shù)平方和函數(shù)。利用訓(xùn)練集進(jìn)行模型擬合后其對(duì)應(yīng)的平方和誤差為5.133，正訓(xùn)練時(shí)間為0.11秒，預(yù)測(cè)正確百分比為88.0%；以此模型對(duì)檢驗(yàn)集進(jìn)行預(yù)測(cè)，其平方和誤差僅為0.894，預(yù)測(cè)正確百分比為88.9%（表1）。

表1 模型預(yù)測(cè)分類情況

2 ROC曲線評(píng)價(jià)RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)AMS的預(yù)測(cè)能力以預(yù)測(cè)模型為檢驗(yàn)變量，對(duì)AMS及非AMS進(jìn)行ROC曲線分析（圖1），結(jié)果顯示，構(gòu)建的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的AUC為0.917。

圖1 ROC曲線評(píng)價(jià)RBF神經(jīng)網(wǎng)絡(luò)模型對(duì)AMS的預(yù)測(cè)能力

3 模型自變量重要性分析 利用軟件自帶的自變量重要性分析模塊，對(duì)納入模型的自變量重要性進(jìn)行分析，結(jié)果顯示，EPAS1的SNP位點(diǎn)rs13419896和氧飽和度最為重要，而B(niǎo)MI的重要性最?。▓D2）。

圖2 輸入層各指標(biāo)在模型中重要性分析

討 論

隨著對(duì)AMS發(fā)病機(jī)理的認(rèn)識(shí)不斷深入，AMS的預(yù)防和治療措施也在不斷完善，其發(fā)病率呈下降趨勢(shì)。國(guó)內(nèi)外的研究發(fā)現(xiàn)，急進(jìn)高原后出現(xiàn)AMS是存在個(gè)體差異的，有人對(duì)于高原低氧更敏感，更易發(fā)生AMS。因此，AMS易感性的特異性指標(biāo)及其檢測(cè)成為國(guó)內(nèi)外學(xué)者研究的重點(diǎn)之一，特別是易感性指標(biāo)研究較多，從基礎(chǔ)研究出發(fā)，研究生理生化指標(biāo)與急性高原病之間的關(guān)系，如：體重指數(shù)[6]、肺功能[7]、血氧飽和度[8]、血液酸堿度[9]、心率變異[10]、血漿皮質(zhì)醇含量[11]、屏氣時(shí)間、呼吸頻率[12]等指標(biāo)。同時(shí)，研究者還從心理學(xué)開(kāi)展了大量工作，結(jié)果發(fā)現(xiàn)焦慮、抑郁等反應(yīng)心理情緒因素的測(cè)評(píng)分值也與AMS的發(fā)生有關(guān)。

同時(shí)，隨著生物技術(shù)和遺傳學(xué)的發(fā)展，國(guó)內(nèi)外學(xué)者不僅將目光聚焦在個(gè)體生理生化的指標(biāo)變化上，還從生物學(xué)和遺傳學(xué)方面通過(guò)對(duì)一些基因進(jìn)行研究，以期從生物遺傳學(xué)的角度篩選識(shí)別耐受高原低氧人群。單核苷酸多態(tài)性（SNP）是新一代遺傳標(biāo)記，其遺傳性穩(wěn)定，并可用于構(gòu)建單體型。SNP在基因組中數(shù)量巨大，檢測(cè)相對(duì)容易，可形成快速化檢測(cè)，分析個(gè)體之間特定基因SNP的差異，就有可能找到用于識(shí)別耐受低氧人群的特異性遺傳標(biāo)記[13]。課題組的前期研究結(jié)果顯示，在排除其他AMS的發(fā)病因素后，每個(gè)人仍表現(xiàn)出不同程度的高原低氧反應(yīng)，隨后的測(cè)序研究發(fā)現(xiàn)EPAS1、EGLN1基因的某些SNP位點(diǎn)具有顯著性差異，這些差異可能會(huì)影響下游低氧相關(guān)基因的轉(zhuǎn)錄表達(dá)，而編碼區(qū)的SNP甚至?xí)斐删幋a蛋白的氨基酸序列發(fā)生改變，進(jìn)而影響不同個(gè)體對(duì)急性缺氧應(yīng)激的適應(yīng)能力以及患AMS的嚴(yán)重程度和預(yù)后?；诖?，本研究在模型構(gòu)建時(shí)所選擇的測(cè)定因素包含了生理、生化以及遺傳學(xué)等多個(gè)指標(biāo)，以此形成構(gòu)建預(yù)測(cè)模型所需的指標(biāo)體系。

國(guó)內(nèi)外高原醫(yī)學(xué)的研究者一直在尋找并建立一個(gè)預(yù)測(cè)急性高原病或篩選高原耐低氧人群的模型方法。然而， 目前只有個(gè)別的文獻(xiàn)利用回歸分析的方法研究生理生化指標(biāo)與急性高原病發(fā)病的關(guān)系，如采用Logistic回歸分析發(fā)現(xiàn)在高原低氧暴露后血氧飽和度值、暴露時(shí)間、海拔高度可作為判斷AMS易感性的依據(jù)[14,15]。國(guó)內(nèi)學(xué)者同樣通過(guò)多元回歸分析研究顯示，進(jìn)入高原季節(jié)、年齡、進(jìn)入高原目的和抵達(dá)高原前后48小時(shí)內(nèi)是否失眠與AMS發(fā)生顯著相關(guān)[16]。然而，這些回歸分析無(wú)法很好地處理各變量之間的共線性問(wèn)題，它要求測(cè)量的變量之間是相互獨(dú)立的。然而事實(shí)上，人體作為一個(gè)多系統(tǒng)的整體，各變量指標(biāo)之間不可能完全獨(dú)立，而且，在影響進(jìn)入高原低氧耐受能力的因素中還有如組織管理、心理活動(dòng)、衛(wèi)生措施等定性因素，各指標(biāo)之間也不完全是線性相關(guān)的，這種方法的研究結(jié)果只能說(shuō)明這類生理、生化指標(biāo)與AMS發(fā)病有關(guān)，不能作為急性高原病易感的判斷預(yù)測(cè)方法。

近年來(lái)，隨著人工智能技術(shù)的發(fā)展，神經(jīng)網(wǎng)絡(luò)理論得到廣泛應(yīng)用，其中RBF神經(jīng)網(wǎng)絡(luò)是應(yīng)用最廣泛的一種神經(jīng)網(wǎng)絡(luò)，它是以函數(shù)逼近理論為基礎(chǔ)而構(gòu)造的一類前向網(wǎng)絡(luò)，它與BP神經(jīng)網(wǎng)絡(luò)相比通常規(guī)模較大，但學(xué)習(xí)速度更快，且網(wǎng)絡(luò)的函數(shù)逼近能力、模式識(shí)別與分類能力均優(yōu)于后者。由于其可以規(guī)避回歸方法在模型構(gòu)建中的局限，因而，利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)建立的模型更具有良好穩(wěn)定的預(yù)測(cè)效果。

本研究中，利用RBF神經(jīng)網(wǎng)絡(luò)構(gòu)建的模型，其訓(xùn)練集的正確百分比達(dá)到88.0%，而測(cè)試集的正確預(yù)測(cè)百分比達(dá)到88.9%。進(jìn)一步利用ROC曲線對(duì)模型的診斷能力進(jìn)行評(píng)估，結(jié)果顯示，曲線下面積為0.917，表明具有良好的診斷能力。因?yàn)槟承┰颍狙芯康念A(yù)測(cè)模型只是利用某一海拔高度的診斷結(jié)果建立起來(lái)的，而且僅跟蹤了小部分人員，其他海拔高度以及大量人員是否適合該模型，其判斷能力是否可行，準(zhǔn)確度如何，以及是否還要增加其他檢測(cè)指標(biāo)，還需要進(jìn)

一步探討。另外，該模型只能判斷是否會(huì)發(fā)生AMS，而無(wú)法進(jìn)一步判斷其發(fā)病嚴(yán)重程度的高低。盡管有上述不足，但不可否認(rèn)，本研究結(jié)果在一定程度上利用RBF神經(jīng)網(wǎng)絡(luò)從多角度指標(biāo)體系為定量判斷急進(jìn)高原人群是否患AMS提供了一種可靠的預(yù)測(cè)方法。

利益沖突所有作者均聲明不存在利益沖突