人工神经网络在预测无痛胃肠镜检查后恶心呕吐中的应用

程 熠 王 磊 冯毅承 郭丽艳

无痛胃肠镜检查后恶心呕吐是门诊无痛胃肠镜受检患者门诊观察室滞留时间延长的主要原因，且严重影响门诊患者的就诊安全性[1]。临床上引起无痛胃肠镜患者检查后恶心呕吐的影响因素众多，如何准确预测患者恶心呕吐的发生十分必要。人工神经网络（ANN）是一种模拟人脑神经元活动的非参数机器信息处理系统。其对自变量包容性强，预测模型准确率高，且可以改善以往Logistics 回归预测分析易受自变量多重共线性影响的问题，更适合大数据、多变量的预测分析[2]。本研究通过构建ANN 预测模型，分析及预测无痛胃肠镜检查后恶心呕吐发生的风险因素，从而为临床针对性预防和治疗提供理论依据。

1 资料与方法

1.1 一般资料 选取浙江省平湖市第一人民医院2021 年1 月至2022 年4 月在门诊行无痛胃镜+无痛肠镜联合检查的患者1222 例（单纯性胃镜+肠镜检查1091 例，胃镜或/和肠镜下摘息肉131 例），其中男649 例，女573 例。美国麻醉医师协会[3]（American Society of Anesthesiologists ASA）分级：Ⅰ级411 例，Ⅱ级811 例，本研究经医院伦理委员会审核通过，伦理学批件号：2020 年临审（015）号。患者均签署知情同意书。

1.2 纳入及排除标准 纳入标准：（1）年龄18～75岁；（2）体质指数（BMI）15～30 kg/m2；（3）ASA 分级：Ⅰ～Ⅱ级；（4）单纯性胃镜+肠镜检查，胃镜或/和肠镜下摘息肉术。排除标准：（1）有严重高血压（收缩压＞180 mmHg，舒张压＞110 mmHg），心律失常（频发早搏，心动过速≥120 次/min，房颤等其他恶性心律失常）或不稳定性心绞痛患者；（2）急性上呼吸道感染或哮喘发作期者，严重肝肾功能障碍者；（3）近期使用抗凝、激素等药物者。

1.3 方法 根据中国知网、万方数据库、pubmed等文献数据库及临床实践工作总结，选取有循证医学证实的14 个可能因素，编制调查问卷表和麻醉、复苏记录单。包括：性别，年龄，ASA 分级，BMI 指数，是否有吸烟史，是否有晕动病；胃肠镜检查时间，检查中丙泊酚使用剂量，液体输注量，是否使用镇痛药物，是否出现心动过缓，是否出现低血压（下降超过25%），是否进行息肉摘除，检查苏醒后是否有腹胀腹痛[4-6]。为了减少统计误差，1222 例患者无痛胃肠镜检查均为同一位内镜医师操作，所有调查问卷，麻醉、复苏记录单由麻醉医生及内镜室护士记录，资料完善可信。

所有预行无痛胃肠镜检查患者入检查室后常规开放上肢静脉，应用GE 多功能监护仪监测患者血压（BP）、脉搏血氧饱和度（SPO2）、心电图（ECG）及心率（HR）。均以先胃镜后肠镜的方式，静脉注射3～4 mg/kg丙泊酚注射液麻醉诱导，安静无体动后开始检查。检查过程中患者出现体动可给予镇痛药物10 μg/kg 布托啡诺注射液或追加1 mg/kg 丙泊酚注射液直至患者再次安静无体动。检查中出现心率低于50 次/分，给予0.5 mg 阿托品静注纠正心率，当出现血压下降超过基础值25%以上时，予以5 μg 去甲肾上腺素纠正。所有患者检查完成后进入门诊观察室。

1.4 统计学方法 应用SPSS 22.0 统计学软件建立多层感知ANN 模型，输入层为14 个可能影响因素，隐藏层为一层，由软件系统通过激活函数双曲正切函数给出。输出层为恶心呕吐是否发生：未发生恶心呕吐目标值为0，发生恶心呕吐目标值为1，输出层激活函数为softmax 函数。按照数字随机法将纳入患者按照7∶3 分为训练集和测试集，训练集用来训练网络，测试集用来追踪测试，通过反复测试优化模型网络。对于分类资料根据分类标准赋值，数值指标采用归一化处理。通过模型预测计算自变量重要性及自变量标准化重要性。

2 结果

2.1 训练集与测试集对象一般资料比较 全部1222 例患者其中训练集855 例，测试集367 例。训练集与测试集患者一般资料比较，差异无统计学意义（P＞0.05），见表1。

表1 训练集和测试集一般资料比较

2.2 ANN 模型 ANN 结构为14-5-2，模型预测（见图1）。输入层单元14 个，隐藏层系统自动确认5 个单元，输出层为两个单元对应恶心呕吐是否发生。ANN 预测模型评价：训练集的灵敏度71.2%、特异性86.6%、准确率85.3%（见表1）；测试集的灵敏度71.0%、特异度84.7%、准确度84.2%，见表2。

图1 无痛胃肠镜检查后恶心呕吐发生的人工神经网络

表1 人工神经网络预测无痛胃肠镜检查后恶心呕吐训练集价值（例）

表2 人工神经网络预测无痛胃肠镜检查后恶心呕吐测试集价值（例）

2.3 无痛胃肠镜检查后恶心呕吐ANN 预测模型各因素权重 检查中是否使用镇痛药物（17.3%），检查中丙泊酚使用量（14.3%），有晕动病病史者（13.0%），检查中出现血压下降超过25%者（12.9%），患者性别（8%），是否出现心动过缓（5.9%），年龄（5.0%），检查后是否腹痛腹胀（4.9%），检查中输液量（4.6%），是否进行息肉摘除（4.2%），是否有吸烟史（3.8%），BMI≥25 μg/m2指数（2.3%），胃肠镜检查时间（2.0%），ASA分级（1.7%）。见图2。

图2 无痛胃肠镜检查后恶心呕吐ANN 预测模型标准化重要性

3 讨论

ANN 模型是由数学及神经学家McCulloch 于上世纪70 年代率先创造及提出[7]。它是一种模拟生物神经网络结构和功能进行信息处理的方法。ANN 模型可以通过自身的训练与学习，凭借适应性和记忆性提高模型的容错率及推广率。区别于Logistics 回归分析对自变量的经验性及局限性，更适合用于病因不明确，影响因素更复杂的疾病预测中[8]。目前ANN 模型已经广泛应用于肿瘤病因的筛选[9]，复杂疾病病因的探寻[10]等领域中，但对于门诊无痛胃肠镜术后恶心呕吐等并发症方面的研究鲜有报道。

门诊患者病情多变，影响门诊无痛胃肠镜术后恶心呕吐的因素众多，准确预测无痛胃肠镜检查后恶心呕吐的发生，可以避免加重胃肠镜受检患者检查前由于禁饮禁食以及肠道准备引起的水电解质内环境紊乱，减少反流误吸的风险。缩短患者门诊观察室滞留时间，提高就诊安全性及满意度[1]。

本研究对1222 例门诊患者构建无痛胃肠镜检查后恶心呕吐ANN 预测模型，训练集和测试集的准确率分比为85.3%和84.2%，模型预测效果准确。根据模型预测重要性分析：检查中是否使用镇痛药物（17.3%），检查中丙泊酚使用量（14.3%），有晕动病病史者（13.0%），检查中出现血压下降超过25%者（12.9%），以及患者性别（8.0%）为影响门诊无痛胃肠镜检查后恶心呕吐最重要的五个因素。这与以往的恶心呕吐病因学研究相符合：阿片类药物的作用机制可能是由于刺激第四脑室的化学感受器触发带，及刺激延髓呕吐中枢，从而诱发恶心呕吐[11]。静脉麻醉药物（丙泊酚，依托咪酯，氯胺酮等）长时间接触维持，会使机体产生大量5-羟色胺3 从而导致术后的恶心呕吐[12]。以往有晕车晕船及其他晕动史者，或既往有发生过手术后恶心呕吐的患者，其恶心呕吐的阈值相对较低，前庭神经功能易紊乱，无痛胃肠镜检查后恶心呕吐发生概率高[13]。检查中循环系统的剧烈波动，会导致机体内环境的不稳定，缺血损伤，氧耗增加，同样容易导致检查后恶心呕吐症状的出现[14]。女性恶心呕吐的发生概率高于男性，尤其以月经周期发生术后恶心，呕吐的概率最高，这可能由于体内雌激素的水平高低与恶心呕吐的发生概率呈现正相关[4，6]。

本研究发现，ANN 模型能够比较准确地预测门诊无痛胃肠镜检查患者术后发生恶心呕吐的发病率，为个体化特异性预测发病提供了一种新方法，同时也为门诊无痛胃肠镜患者是否发生检查后恶心呕吐的评估、预防及治疗措施的制定提供了临床依据。此外，由于本研究排除年龄≥75 岁或≤18 岁，BMI≥30 kg/m2或≤15 kg/m2，ASAⅢ级及以上，可能容易导致年龄、BMI、ASA 分级出现一定的偏差，所以对上述指标还需加大样本数进一步深入研究。

综上所述，ANN 可以准确个体化预测无痛胃肠镜检查后恶心呕吐的发生，并对临床预防和治疗恶心呕吐提供理论依据。（本文受基金项目：平湖市科技计划项目（社发类）[2020]28-8 支持。）