基于神经网络的颈椎病名老中医辨证决策辅助模型构建与验证

摘要

目的 构建并验证基于多层感知机(MLP)神经网络的颈椎病名老中医辨证决策辅助模型，开发开放共享的交互式人工智能辅助决策平台。方法 纳入2020年5月―2024年11月中国中医科学院望京医院4 421例颈椎病患者的临床数据，整合其人口学特征、中医四诊信息及西医临床特征，并将患者以7∶3的比例按分层随机法分为训练集(n=3 094)和测试集(n=1 327)。通过LASSO回归、Boruta算法与随机森林递归特征消除(RF-RFE)的集成策略筛选核心特征后，构建MLP与K近邻、XGBoost等10种机器学习算法，并通过受试者工作特征曲线下面积(AUC)、平均精度(AP)、准确率、召回率及灵敏度等指标评价分类性能。最终通过Streamlit框架部署最优模型，构建临床可用的交互式平台。结果 纳入患者年龄(49.25±13.91)岁，其中，男性1 661例，年龄(50.30±14.31)岁；女性2 760例，年龄(48.62±13.63)岁。特征筛选确定主诉、年龄、恶风寒、持续时间、旋颈试验、脉象、舌质、诱因及颈椎屈伸运动试验9项关键特征。MLP模型在测试集上的AUC为0.999,AP为0.998,准确率、召回率、灵敏度均为0.984,表明该模型具有较好的预测性能。决策曲线分析表明，模型在0%～90%阈值区间内的临床净获益率明显高于全干预策略。沙普利可加性特征解释(SHAP)分析显示，主诉、诱因与脉象对诊断贡献最大。基于此开发的AI平台(https://tcm-cs-decision-making-model.streamlit.app)可实时输出辨证概率及特征贡献可视化结果。结论 本研究成功构建了基于MLP神经网络的颈椎病名老中医辨证决策模型，其高精度与可解释性为临床提供了可靠的辅助工具。交互式AI平台实现了中西医特征融合的智能化辨证，有望提升颈椎病诊疗的标准化与效率。

关键词

颈椎病 / 名老中医 / 机器学习 / 诊断模型 / 人工智能

基金资助

北京市科技计划AI+健康协同创新培育项目(No.Z221100003522009); 中国中医科学院望京医院高水平中医医院建设项目(No.WJCC-202302); 国家中医药传承创新团队项目(No.ZYYCXTD-C-202003); 朱立国全国名老中医药专家传承工作室