查看更多>>摘要：目的 探讨轻度认知障碍(MCI)人群的目络特征,并基于此运用机器学习算法构建MCI辨识模型,为MCI早期辨识提供客观性依据.方法 将2022年4-12月在福建省福州市5个社区和福建中医药大学附属第二人民医院健康管理中心招募的316例受试者作为研究对象,按照性别、年龄、受教育年限进行1∶1倾向性得分匹配,分为认知正常组和MCI组,每组158例.利用一般人口资料表、神经心理学测试量表、中医证素辨识系统和博奥目诊仪,采集研究对象的基本信息、认知测试结果、目络特征信息和中医证素.采用两独立非参数检验和卡方检验,分析MCI组和认知正常组间的目络特征和中医证素特征的差异;运用频数分析法、主成分分析法探讨MCI患者中医证素分布特点.继而将316例研究数据随机分为80%训练集和20%验证集,运用支持向量机、决策树、人工神经网络、随机森林算法,以MCI目络特征和中医证素为自变量,是否MCI为因变量,分别构建不同的MCI辨识模型,通过比较模型性能,选择最优模型,实现临床早期辨识.结果 MCI组重要目络特征中,红色点、黯褐色斑、黯黄色雾漫、丘、血脉红色、血脉迂曲分布频率均高于认知正常组(P＜0.05),但黯粉色斑频率低于认知正常组(P＜0.05).MCI组心、脾、肝积分均高于认知正常组(P＜0.05).MCI组的痰、湿、血瘀、气滞、热、阳亢、暑、食积积分均高于认知正常组(P＜0.05).MCI组的阴虚、血虚、气虚、津亏、气陷积分均高于认知正常组(P＜0.05).MCI组常见病位证素为肝、肾、筋骨、脾、心和经络等,常见实性证素为痰、湿、血瘀和气滞,常见虚性证素为阴虚、血虚、气虚和阳虚.基于目络特征和中医证素的MCI辨识模型,本研究选择支持向量机模型为最优判别模型,其准确率为73.08%,敏感度为0.677,特异度为0.765,AUC为0.807,整体性能较好.结论 MCI患者相比于正常人有独特的目络特征,基于目络特征和中医证素特点,结合支持向量机算法所构建MCI辨识模型具有良好的可行性和准确性,可为MCI的客观辨识提供依据.
万方数据
维普