一种利用神经网络模型预测低碳饮食减重干预效果的方法

摘要

本发明公开了一种利用神经网络模型预测低碳饮食减重干预效果的方法。获取待评估者减重前属水平上肠道菌群的相对丰度和减重指标，将相对丰度数据和减重指标作为神经网络模型的参数输入，利用神经网络模型预测低碳饮食减重干预效果。低碳饮食干预会导致体重明显减轻，某些肠道菌群会升高。利用先进的计算算法，例如随机森林和人工神经网络(ANNs)，我们发现在低碳饮食干预下，产生丁酸盐的细菌。我们证明了拟杆菌科细菌的相对丰度是低碳饮食干预后个体体重减轻的积极结果预测指标。此外，利用基线处这些独特的肠道微生物结构，我们建立了一个基于神经网络算法的预测模型，以评估每项临床试验的减肥潜力，目的是开发有效的减肥策略。