目的:利用人工智能神经网络方式构建ICF康复组合(ICF-RS)评定量化标准总体及三个维度(身体功能、活动、参与)功能分级的算法模型,为应用ICF-RS评定量化标准进行数据分析及功能分级提供解决方案.方法:本研究利用中文版ICF-RS评定量化标准,通过多中心合作,采用分层比例抽样的方法收集了 6家已开展ICF-RS评定量化标准临床应用的康复医学科住院患者ICF-RS数据,以多个专家对同一患者的方式获取ICF-RS评定量化标准三个维度及整体功能状况的等级评价结果.借助于神经网络算法构建ICF-RS评定量化标准的各维度及整体功能分级模型,采用计算机k折交叉验证法选择最优模型参数,并计算模型预测受试者工作特征曲线[receiver operating characteristic(ROC)curve]下面积(area under ROC curve,AUC)、准确率(accuracy,ACC)和F1 分数(F1-score).模型构建后,再通过专家和患者一对一的方式收集100例ICF-RS数据用于对已建立的模型进行临床再测试,通过计算ROC、AUC、ACC和F1对模型性能进行评价.结果:共收集584例住院患者的ICF-RS数据,其中484例数据用于构建及验证模型,100例数据用于测试模型的预测性能.根据k折交叉验证法结果显示,身体功能维度、活动维度、参与维度及整体ICF-RS功能分级模型的AUC分别是 89.00％、92.00％、87.00％和87.00％,ACC分别达到75.19％、78.10％、72.91％和73.53％,F1分别是73.68％、77.04％％、69.28％、58.95％.在模型建立后将重新收集到的100例ICF-RS数据输入模型计算,发现各模型ROC曲线良好,AUC 分别是 89.04％、91.81％、86.85％、86.89％,ACC 分别是 64.00％、72.00％、61.00％、65.00％,F1 分别是 48.30％、59.95％、64.06％、49.35％.结论:基于神经网络建立的ICF-RS整体及各维度功能分级算法模型对ICF-RS数据的功能等级预测准确率良好,预测价值较高,具有良好的临床应用价值.

国际功能、残疾和健康分类康复组合;机器学习;神经网络;功能分级

于佳妮;贾西平;马先盛;谢莉;沈威;李涛;赵嘉培;李浩;杨幸华;黄伟新;董红琳;贺灵慧;刘晨;江潭耀;吕媛浩;罗倩;燕铁斌

广州中医药大学第二附属医院,广州,510120;中山大学孙逸仙纪念医院;广东技术师范大学;运城市第三医院;广东三九脑科医院;广东祈福医院;厦门市第五医院;华中科技大学协和深圳医院;广东省工伤康复医院

中国康复医学杂志

[1]于佳妮;贾西平;马先盛;谢莉;沈威;李涛;赵嘉培;李浩;杨幸华;黄伟新;董红琳;贺灵慧;刘晨;江潭耀;吕媛浩;罗倩;燕铁斌-.基于神经网络的ICF康复组合评定量化标准功能分级算法模型构建及其验证)[J].中国康复医学杂志,2022(10):1347-1353,1370

ICF,定量化,量化标准,功能分级,算法模型,RS,身体功能,研究利用,中文版,多中心合作,康复医学科,住院患者,整体功能,功能状况,等级评价,借助于,神经网络算法,分级模型,交叉验证法,最优模型,受试者工作特征曲线,receiver,operating,characteristic,curve,area,under,accuracy,ACC,score,一对一,模型性能,共收,验证模型,测试模型,预测性能,功能维,功能等级,等级预测,预测准确率,预测价值,临床应用价值,残疾

0.253209