背景 目前2型糖尿病人群中OSAHS的患病率高，但诊断率低，干预率更低。因而迫切需要研究开发简单有效的筛查工具或方法。人工神经网络（ANN）模型是通过电脑编程实现的对生物神经网络的模拟。本研究旨在观察经过训练的ANN对于2型糖尿病合并OSAHS的筛查效果，以期简单有效地对2型糖尿病合并OSAHS的患者进行诊断。

方法 选取2010年6月至2015年3月于北京医院内分泌科住院的2型糖尿病且已完成睡眠呼吸监测的患者共294人为研究对象。选择ANN模型中的2个模型广义回归神经网络(GRNN)、径向基函数（RBF）作为研究工具。将研究对象按照7:3随机分成训练组及测试组。训练组的参考因素及AHI结果用于训练GRNN及RBF，测试组则用于评价GRNN及RBF对于OSAHS的筛查效果，并与ESS的筛查能力进行比较。

结果 本试验一共分析了294名研究对象。本研究中与AHI显著相关（P＜0.01）的包括BMI、腰围、ESS等8个因素。与AHI相关（即P＜0.1）的因素有12个。本研究选择上述12个因素作为参考因素。结果显示，GRNN及RBF的灵敏度分别为77.8%、71.7%，特异度分别为83.2%、88.6%；ESS除了灵敏性与GRNN、RBF无差异外，特异性、Youden指数、正确率均明显低于ANN；GRNN、RBF分别在灵敏度、特异度上占优势，但Youden指数及正确率无差异。附加试验中，调整参考因素为17个，结果显示附加试验中GRNN及RBF的灵敏度分别为30.6%、45.8%，特异度分别为88.9%、77.5%，筛查效果有限，但GRNN的特异度较前升高。

结论 1、GRNN、RBF均有良好的对于2型糖尿病合并OSAHS的筛查能力，均优于ESS，二者无明显差异。

       2、人工神经网络模型对于2型糖尿病合并OSAHS的筛查简单高效、经济便捷，在临床上有良好的应用前景。