轻度认知障碍目络特征分析与辨识模型构建研究

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。

关键词

轻度认知障碍 / 目络 / 机器学习 / 支持向量机