代谢性骨病（MBD）是一种以低磷血症、高磷血症和骨骼脱矿为特征的骨骼健康疾病，常见于缺乏胎儿矿物质积累的早产儿。MBD的发病率与出生体重有关，极低出生体重（ELBW，<1000 g）婴儿的MBD发病率为16%至40%。早期识别MBD是必要的，但很难，需要一种适当的工具来筛查有MBD风险的婴儿。

本研究的目的是建立产前产后新生儿MBD风险预测模型，并检测各期关键暴露因素。

2012年1月1日至2021年12月31日，在中国上海进行了一项诊断研究。共有10801名孕妇（单胎妊娠，随访至分娩后1个月）及婴儿（n = 10801）。使用人工神经网络（ANN）框架构建了5个从产前到产后不同暴露的预测模型。对每个特征的重要性进行了检查和排序。

在参与该研究的10801名中国女性中（平均[SD]年龄，29.7[3.9]岁），7104名（65.8%）是当地居民，1001名（9.3%）有子宫瘢痕，138名（1.3%）生下了MBD婴儿。在5个ANN模型中，模型1的AUC最高，为0.981，其次是模型5、模型4、模型3和模型2。出生体重、孕妇怀孕年龄和新生儿疾病是预测婴儿MBD风险的最重要的模型特征；在这些特征中，出生体重极低是最有力的因素。怀孕期间使用硫酸镁是产前MBD风险的最重要预测因素。

5种人工神经网络模型的性能比较

总之，在这项诊断研究中，人工神经网络似乎是一种简单而有效的工具，可用于识别有MBD风险的新生儿。极低出生体重是最重要的预测因素，而怀孕期间使用硫酸镁可能是分娩前MBD的重要风向标。

参考文献：Jiang H, Guo J, Li J, et al. Artificial Neural Network Modeling to Predict Neonatal Metabolic Bone Disease in the Prenatal and Postnatal Periods. JAMA Netw Open. 2023;6(1):e2251849. doi:10.1001/jamanetworkopen.2022.51849