基于人工神经网络的沿海卡纳塔克邦基层医疗高血压预测模型构建与验证

来自印度沿海卡纳塔克邦医学院附属乡村卫生中心的研究人员，针对高血压早期预测难题，利用人工神经网络(ANN)构建时间序列预测模型。通过整合患者人口统计学、生活方式及医疗记录等多维数据，该研究实现MAE 0.45、R2 0.89的优异性能，为基层医疗提供智能化预警工具，推动WHO全民健康覆盖目标的实践。

　　

高血压（Hypertension）作为以慢性血压升高为特征的全球健康威胁，其精准预测对公共卫生管理至关重要。印度沿海卡纳塔克邦的研究团队创新性地采用人工神经网络(Artificial Neural Network, ANN)技术，通过分析乡村卫生中心提供的患者多维数据（包括人口统计学特征、生活方式参数及临床记录），构建了高血压发病预测模型。

研究方法采用经典机器学习评估指标：平均绝对误差(MAE)和均方根误差(RMSE)验证模型性能。结果显示ANN模型展现出卓越的预测能力（MAE=0.45，R²=0.89），显著优于传统算法。该模型通过捕捉血压变化与风险因素间的非线性关系，实现了88.9%的预测准确率。

研究成果表明，ANN驱动的预测系统可部署为网络应用，使居民足不出户完成健康风险评估。这种创新模式不仅降低医疗成本，更通过早期预警机制助力实现世界卫生组织(WHO)倡导的"全民健康覆盖"愿景，为原发性高血压的基层防控提供了智能化解决方案。