基于贝叶斯网络算法建立全膝关节置换术后认知功能障碍风险预测模型

作者：李丹风; 李昊洋; 钟坤华; 舒欣; 李雨捷; 易斌^*

来源：陆军军医大学学报, 2023, 45(08): 765-771.

DOI：10.16016/j.2097-0927.202301054

• 贝叶斯网络
• 人工智能
• 预测模型
• 术后认知功能障碍
• 全膝关节置换术

目的 利用贝叶斯网络(Bayesian network, BN)算法建立全膝关节置换术(total knee replacement, TKR)后认知功能障碍(postoperative cognitive dysfunction, POCD)的风险预测模型，并探讨模型的预测性能。方法 采用病例-对照研究设计方案，选择陆军军医大学第一附属医院关节外科2017年1月至2021年12月行TKR的住院患者1 260例。入院主要诊断为左/右膝关节重度骨性关节炎，其中男性240例(19.0%),女性1 020例(81.0%);年龄23～79(66.73±8.46)岁；体质指数(BMI)(25.08±5.09)kg/m2。将术后(手术结束至出院期间)发生POCD的患者(71例)按照7∶3随机分为A1组(70%)和B1组(30%),未发生POCD的患者(1 189例)按照7∶3随机分为A2组(70%)和B2组(30%)。A1组与A2组共同构成A组(训练数据集),B1组与B2组则为B组(测试数据集),其中A组用于模型训练，B组用于模型测试。筛选TKR相关围术期麻醉决策、病情转归及住院时间等36项指标作为节点，利用BN算法建立各节点的概率分布模型图，预测POCD发生风险的概率，以期住院时间最短，促进最大化患者康复。结果 基于BN算法建立的预测TKR后POCD发生风险模型，训练集的受试者工作曲线下面积(area under the subject curve, AUC)值为0.966 1(95%CI:0.954 1～0.978 4),测试集AUC值为0.897 4(95%CI:0.867 2～0.928 5),准确性分别为96.43%(95%CI:0.951 1～0.976 4)和93.44%(95%CI:0.909 2～0.959 6)。结论 基于BN算法建立的预测TKR后POCD发生风险的模型预测性能较好且准确率较高。

• 单位
  中国人民解放军陆军军医大学; 中国科学院重庆绿色智能技术研究院; 基础医学院; 第三军医大学