基于更年期因子特征关系的神经网络模型1

更年期是妇女由于卵巢滤泡活性的丧失导致的永久性绝经现象。在绝经过渡 期，女性在荷尔蒙、生理、代谢水平等方面会发生剧烈变化，将有可能患慢性非 传染性疾病。根据世界卫生组织的估计，到 2030 年，中国更年期女性数量将超过 全世界总量的 1/7。另外，根据人口普查结果，中国 60 岁以上的老人所占比例将 从 12%(2010 年)增加到 30%(2030 年)，同时，人均寿命在延长。到 2050 年， 女性的平均寿命将达到 77.37 岁。老龄人口的增加和人均寿命的延长意味着中国 的女性在绝经后将生活得更加长久。绝经过渡期对于妇女的健康来说是一个富有 挑战性的阶段，更年期阶段的健康对老年的生活有着至关重要的影响。

基于广大女性深受更年期综合症的困扰，我们在上海某医院更年期门诊进行 样本收集工作并以此开展研究。根据观察统计，每位患者的就诊时间在 20 分钟左 右，包括就诊前的更年期症状严重程度评估(约 15 分钟)以及实际的医患交流(约 5 分钟)，即患者填写量表的时间约占总的就诊时间的 3/4。基于这样的实际情况， 本文将探讨其他的方法，取代人工填写量表，在保证准确性的同时能够快速地测 定 KMI 评分，为下个阶段的医生患者交流节省更多的时间。其中，建立数学模型 是一个较为可行的方案，将相关的影响因子作为输入，从而输出 KMI 评分。

根据前期的文献研究以及医院的临床经验，年龄，教育水平，职业状态，收 入情况，BMI，初潮年龄，生育情况，口服避孕药情况，慢性病情况等可能会影 响更年期症状的严重程度。上述的潜在影响因子均作为模型的自变量(输入)， KMI 评分作为模型的因变量(输出)。

对于一般的函数逼近问题，回归分析的方法被广泛使用。但是随着自变量的 数量变多时，回归分析方法的精度会降低。考虑到本文中的影响因子数量较多(9 个)，交互作用相对复杂，本研究将采用人工神经网络的研究方法。本文的研究是 人工智能的方法用于解决更年期相关问题的首次尝试。