基于BP神经网络模型的低增生性骨髓增生异常综合征与再生障碍性贫血的鉴别诊断研究

目的 评估反向传播(BP)神经网络模型对低增生性骨髓增生异常综合征(hypo-MDS)与再生障碍性贫血(AA)进行鉴别诊断的价值.方法 回顾性收集2008-2016年于华北理工大学附属医院和中国医学科学院血液病医院首诊确诊为hypo-MDS和AA患者的病历资料,包括年龄、性别、婚姻状况、民族、职业、吸烟史、饮酒史、血型、外周血分类计数、外周血细胞形态、骨髓细胞形态等,比较两组患者上述指标的差异.对两种疾病病历资料进行数据挖掘,构建BP神经网络模型.采用受试者工作特征(ROC)曲线对模型鉴别诊断效果进行评价.结果 两组患者年龄、职业比较,差异有统计学意义(P＜0.01);性别、婚姻状况、民族、吸烟史、饮酒史、血型比较,差异无统计学意义(P＞0.05).hypo-MDS患者红细胞计数、血红蛋白水平低于AA患者,差异有统计学意义(P＜0.01);血涂片显示hypo-MDS患者中性杆状核粒细胞分数高于AA患者,成熟淋巴细胞、中性晚幼核粒细胞分数低于AA患者,差异有统计学意义(P＜0.05);骨髓片显示hypo-MDS患者中性分叶核粒细胞、成熟淋巴细胞、成熟浆细胞分数低于AA患者,中性早幼核粒细胞、中性中幼核粒细胞、中性晚幼核粒细胞分数高于AA患者,差异有统计学意义(P＜0.05).BP神经网络模型对训练样本分类准确率为93.0％,对检验样本分类准确率为87.4％.ROC曲线分析结果显示,BP神经网络模型对hypo-MDS和AA鉴别的曲线下面积为0.919[95％CI (0.890,0.944)].最佳临界点为0.730,对应的灵敏度和特异度分别为86.9％和86.2％.结论 BP神经网络模型对hypo-MDS与AA的鉴别诊断具有一定价值.