汪奇，刘尚全

    国际糖尿病联盟资料显示，近年来我国糖尿病患者数量逐年增多，现有糖尿病患者数量已达1.14 亿[1]。研究表明，动脉粥样硬化性心血管疾病(atherosclerotic cardiovascular disease，ASCVD)是导致2 型糖尿病(type 2 diabetes mellitus，T2DM)患者死亡的主要原因，而动脉粥样硬化是ASCVD 的主要病理改变，早期预防及发现动脉粥样硬化可降低T2DM 患者ASCVD 发生率，延长T2DM 患者生存期[2]。

    颈动脉为动脉粥样硬化好发部位，而颈动脉内-中膜厚度(carotid intima-media thickness，CIMT)增加或斑块形成可作为亚临床动脉粥样硬化的诊断依据[3-4]，但由于亚临床动脉粥样硬化早期常无明显临床症状，因此很多T2DM 患者出现临床症状或就诊时已进展为严重动脉粥样硬化，对其长期生存期已造成影响[5]。美国心脏病协会相关指南指出，CIMT 不仅是脑梗死的危险因素，也是无ASCVD 人群发生ASCVD 的重要预测因子[6]。

    《中国2 型糖尿病防治指南(2017 年版)》[7]虽强调尽早对新诊断的T2DM 患者进行微血管并发症筛查，但未明确大血管病变并发症的筛查时间[5]。基于机器学习方法[8]可构建分类或回归模型，而依托大数据学习可根据多项生理指标预测T2DM 患者亚临床动脉粥样硬化发生风险且不需要额外的检查手段，这或可作为一种低成本、辅助性T2DM 患者亚临床动脉粥样硬化发生风险评估工具。目前，机器学习模型中的Logistic模型已被广泛用于多变量分类和回归分析[8-10]。本研究旨在依据多项指标构建预测T2DM 患者亚临床动脉粥样硬化的多层人工神经网络分类模型并验证其预测准确性。

    1 对象与方法

    1.1 研究对象 选取2010 年1 月至2016 年12 月在安徽医科大学第三附属医院〔合肥市第一人民医院(含滨湖院区)〕住院的T2DM 患者3 627 例，均符合《中国2 型糖尿病防治指南(2017 年版)》[7]中的T2DM 诊断标准，行双侧颈动脉超声检查且血脂指标数据完整 ......