孫燁　任健　田琪　袁夢琪　徐巖

［摘要］多囊卵巢綜合征是臨床常見的內(nèi)分泌系統(tǒng)疾病，其發(fā)病機制至今尚未明確，但已知與遺傳、環(huán)境等因素相關(guān)。本文根據(jù)預(yù)防為主、防治結(jié)合的診療思路，采用聯(lián)邦學(xué)習(xí)技術(shù)融合多種算法構(gòu)建平臺，通過信息數(shù)據(jù)采集及管理、預(yù)測模型建立、實施風(fēng)險評估和健康指導(dǎo)3個基本環(huán)節(jié)，在保證女性醫(yī)療隱私數(shù)據(jù)安全的前提下，以期實現(xiàn)對女性健康狀態(tài)的連續(xù)追蹤、反饋和疾病的精準預(yù)防、高效治療。

［關(guān)鍵詞］多囊卵巢綜合征；聯(lián)邦學(xué)習(xí)；預(yù)測

［中圖分類號］R711.75［文獻標(biāo)志碼］A［文章編號］2096-5532（2023）03-0458-04

doi：10.11712/jms.2096-5532.2023.59.083［開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）］

［網(wǎng)絡(luò)出版］https：//kns.cnki.net/kcms2/detail/37.1517.R.20230726.1033.001.html;2023-07-2616：29：45

CONSTRUCTION OF A PREDICTION PLATFORM FOR POLYCYSTIC OVARY SYNDROME BASED ON FEDERATED LEARNING? SUN Ye， REN Jian， TIAN Qi， YUAN Mengqi， XU Yan （College of Traditional Chinese Medicine， Shandong University of Chinese Medicine，Jinan? 250355， China）

［ABSTRACT］Polycystic ovary syndrome is a common endocrine system disease in clinic. Its pathogenesis has not been clarified yet， but it is known to be related to genetic and environmental factors. Based on the diagnosis and treatment idea of prevention first and prevention and treatment combination， this paper integrates various algorithms using the federated learning technology to build a platform. Through three basic links of information data collection and management， prediction model establishment， and implementation of risk assessment and health guidance， continuous tracking and feedback of female health status and accurate prevention and efficient treatment of diseases are expected to be achieved under the premise of ensuring the security of female medical privacy data.

［KEY WORDS］polycystic ovary syndrome; federated learning; forecasting

多囊卵巢綜合征（PCOS）是一種育齡期女性高發(fā)的代謝紊亂性內(nèi)分泌疾病，發(fā)病率高達5.61%[1]，受遺傳、環(huán)境、生活方式和心理情志等多種因素影響[2] 。臨床上主要表現(xiàn)為多毛及痤瘡、月經(jīng)稀發(fā)等[3]，還可引起高血壓、2型糖尿病等并發(fā)癥以及焦慮、抑郁等精神性疾病[4]。有研究發(fā)現(xiàn)，PCOS是一種病因多樣、表現(xiàn)極不均一的臨床綜合征，具有高度異質(zhì)性與持續(xù)進展性[5]，且不可治愈，嚴重危害女性的身心健康和生活質(zhì)量。2015年美國雄激素學(xué)會 （AES） 和PCOS學(xué)會聯(lián)合發(fā)布的PCOS診療操作指南指出，對于月經(jīng)初潮后2～3年內(nèi)的疑似PCOS病人應(yīng)該進行定期隨訪[6-7]。有研究結(jié)果顯示，青春期卵巢功能紊亂是基于月經(jīng)稀發(fā)和（或）不排卵，初潮后2～3年的持續(xù)月經(jīng)稀發(fā)可以用于預(yù)測青春期PCOS[8]。因此，針對PCOS危險人群的發(fā)病危險因素及時采取相應(yīng)的預(yù)防和治療措施，能夠有效預(yù)防PCOS的發(fā)生。故亟需建立PCOS預(yù)測平臺，以實現(xiàn)PCOS的精準防控。本文研究采用聯(lián)邦學(xué)習(xí)（FL）技術(shù)，構(gòu)建PCOS預(yù)測平臺。

1PCOS危險因素研究

疾病危險因素是流行病學(xué)層面的病因，是指與疾病的發(fā)生發(fā)展存在因果關(guān)系，但無確實證據(jù)證明其致病效應(yīng)的因子[9]。PCOS發(fā)病受危險因素的影響，危險因素能增加女性成為PCOS危險人群或PCOS病人的概率，且在一定程度上加大了PCOS的治療難度。PCOS危險因素可以歸納為人口學(xué)特征、相關(guān)癥狀、疾病史、生活方式、心理狀態(tài)5個方面。人口學(xué)特征方面，研究發(fā)現(xiàn)肥胖與PCOS的發(fā)病具有相關(guān)性，體質(zhì)量指數(shù)（BMI）偏高的女性患病率明顯升高[10]。此外，初潮年齡、月經(jīng)情況等與PCOS發(fā)病相關(guān)，月經(jīng)初潮時間提前或延遲可能是PCOS的發(fā)病危險因素[11]；月經(jīng)周期紊亂也與PCOS的發(fā)生密切相關(guān)[12]。疾病史方面，PCOS與遺傳基因存在關(guān)系，表現(xiàn)為發(fā)病具有家族聚集現(xiàn)象，家族中有患糖尿病、高血壓者，同性親屬不孕的女性PCOS發(fā)病率明顯增加[13]。生活方式方面，晚睡或睡眠不規(guī)律對PCOS的發(fā)生也存在一定影響。研究發(fā)現(xiàn)，睡眠障礙導(dǎo)致的交感神經(jīng)活動水平提高和胰島素敏感性降低均可影響PCOS的發(fā)生[14-15]。此外，飲食習(xí)慣、運動情況、是否吸煙、飲酒等也可能與PCOS的發(fā)病存在關(guān)聯(lián)，但是否為PCOS危險因素仍需進一步研究分析。心理狀態(tài)方面，長期的焦慮、抑郁等不良情緒也可能是誘發(fā)或加重PCOS的因素[16]。

2隱私保護問題與FL的提出

由于互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等移動信息技術(shù)的迅猛發(fā)展，利用醫(yī)療健康數(shù)據(jù)進行疾病預(yù)測成為可能，但醫(yī)療健康數(shù)據(jù)敏感程度較強，隱私安全性要求較高。歐盟于2017年出臺了《通用數(shù)據(jù)保護條例》（GDPR）[17]用于保護數(shù)據(jù)隱私。但2018年騰訊智慧安全情報中心發(fā)布的報告顯示，我國有7成以上的三級甲等醫(yī)院所接入的第三方醫(yī)療服務(wù)平臺存在隱私泄露問題[18]。出于醫(yī)療數(shù)據(jù)隱私泄露的擔(dān)憂和相關(guān)數(shù)據(jù)保護法規(guī)的限制，現(xiàn)有醫(yī)療數(shù)據(jù)通常以“孤島”的形式存儲于不同醫(yī)療機構(gòu)及設(shè)備無法共享，形成了數(shù)據(jù)壁壘。如何讓數(shù)據(jù)量有限的醫(yī)療機構(gòu)在數(shù)據(jù)資源安全共享的同時實現(xiàn)疾病的預(yù)測，F(xiàn)L的出現(xiàn)和發(fā)展解決了這一難題[19]。作為一種分布式機器學(xué)習(xí)方法和人工智能技術(shù)，F(xiàn)L由Google在2016年最先提出，應(yīng)用于Gboard輸入法系統(tǒng)，實現(xiàn)候選詞的預(yù)測[20]。與傳統(tǒng)的集中式學(xué)習(xí)相反，在FL過程中，各參與方不交換原始數(shù)據(jù)，通過交換模型參數(shù)實現(xiàn)多個參與方數(shù)據(jù)蘊含知識的融合和敏感數(shù)據(jù)的隱私保護[21]。其模型訓(xùn)練效果等同于各方聚合數(shù)據(jù)所建立的最優(yōu)模型。LEE等[22]在FL環(huán)境中為不同醫(yī)療機構(gòu)的相似病人提供隱私保護，用于預(yù)測5種疾病的發(fā)病率。BRISIMI等[23]提出通過存儲在智能手機和醫(yī)療設(shè)備的健康數(shù)據(jù)建立FL模型，分析預(yù)測心臟病病人的住院情況。

3基于FL的PCOS預(yù)測平臺

3.1平臺構(gòu)建預(yù)期

針對各醫(yī)療機構(gòu)收集到的PCOS病人、PCOS危險女性、健康人群的醫(yī)療數(shù)據(jù)信息，以FL為依托，融合多種算法深度挖掘處理構(gòu)建PCOS預(yù)測平臺，在醫(yī)療資源共享和醫(yī)療數(shù)據(jù)不出本地以保證數(shù)據(jù)安全的前提下，實現(xiàn)PCOS的高危因素定位和發(fā)病風(fēng)險預(yù)判，為PCOS危險女性、PCOS病人提供智能預(yù)測、輔助診斷、高效防治、隨訪跟蹤和個性化健康指導(dǎo)，以改善女性健康狀況，促進PCOS醫(yī)療服務(wù)體系的進一步完善。

3.2平臺功能架構(gòu)

本平臺可分為醫(yī)療機構(gòu)用戶端與總服務(wù)端兩部分，其中用戶端由社區(qū)醫(yī)院、二級及三級醫(yī)院等醫(yī)療機構(gòu)組成，總服務(wù)端由具備一定計算和存儲能力的云端服務(wù)器構(gòu)成，由本平臺設(shè)計研發(fā)人員操作運行。平臺構(gòu)建的要點在于信息數(shù)據(jù)采集及管理、FL預(yù)測模型建立、實施風(fēng)險評估和健康指導(dǎo)3個基本環(huán)節(jié)。

3.2.1信息數(shù)據(jù)采集及管理本平臺中各用戶端采用醫(yī)療站點式、遠程控制式等調(diào)查方式，應(yīng)用紙質(zhì)或電子調(diào)查問卷、手機App、可穿戴式智能設(shè)備等，對PCOS病人、健康女性進行信息數(shù)據(jù)采集。采集信息的內(nèi)容包括人口學(xué)資料、初潮年齡、月經(jīng)周期、經(jīng)量、體質(zhì)量指數(shù)（BMI）、毛發(fā)分布情況、痤瘡情況、個人病史、家族病史、居住環(huán)境、飲食習(xí)慣、生活方式、心理狀態(tài)等已知的PCOS發(fā)病高危因素，以及可能與PCOS發(fā)病相關(guān)、需要進一步研究分析是否屬于PCOS高危因素的信息。見表1。考慮到單個數(shù)據(jù)庫集中存儲數(shù)據(jù)規(guī)模較大、存在計算延遲的可能和單點攻擊數(shù)據(jù)泄露風(fēng)險的問題，每個醫(yī)療機構(gòu)作為一個用戶端，將采集到的女性信息匯總儲存在本地形成數(shù)據(jù)集，在進行數(shù)據(jù)集成、數(shù)據(jù)清洗等預(yù)處理后，為FL模型的訓(xùn)練做好準備。

3.2.2FL預(yù)測模型的建立數(shù)據(jù)預(yù)處理完成后流程進入本地模型訓(xùn)練階段。用于概率預(yù)測的自然梯度提升機（NGBoost）[24]是通過級聯(lián)多個回歸樹模型來產(chǎn)生最終預(yù)測模型的一種機器學(xué)習(xí)技術(shù)，它可以在得到預(yù)測值的同時獲得置信區(qū)間，即顯示“預(yù)測分布”及實值預(yù)測和概率預(yù)測的區(qū)別。見圖1A、B。與其他機器學(xué)習(xí)算法相比，NGBoost擁有更高的預(yù)測準確率，并且在小樣本集上有著同樣優(yōu)秀的性能。因此，利用NGBoost算法對數(shù)據(jù)集進行特征大小排序、特征分割、擬合自然梯度、建立回歸樹模型后得到本地預(yù)測模型。沙普利可加性特征解釋方法（SHAP）[25]用于解釋NGBoost預(yù)測模型，根據(jù)SHAP值來量化每個特征對于模型預(yù)測的貢獻度，可以實現(xiàn)危險因素的可視化分析。借助同態(tài)加密（HE）[26]算法進行聯(lián)邦模型加密，用云端服務(wù)器公布的公鑰加密預(yù)測模型的各項參數(shù)，并將加密的模型參數(shù)和計算梯度通過TCP-IP[27]網(wǎng)絡(luò)技術(shù)傳送到云端服務(wù)器進行進一步分析。云端服務(wù)器作為遠端大數(shù)據(jù)處理中心，云計算模型能夠高效地運算和分析上傳數(shù)據(jù)并且確保數(shù)據(jù)傳輸?shù)陌踩院兔馐軔阂夤?。目前，云計算已?jīng)應(yīng)用在各大企業(yè)當(dāng)中，擁有相當(dāng)豐富的應(yīng)用模型，如騰訊云、阿里云等。云端服務(wù)器利用私鑰對收到的加密參數(shù)進行解密，使用聯(lián)邦平均（FA）[28]算法聚合梯度和參數(shù)信息，在進行加權(quán)平均后得到權(quán)重更新的全局模型參數(shù)并加密返傳給用戶端，用戶端通過HE算法獲得全局模型參數(shù)更新優(yōu)化本地模型。迭代上述步驟直至本地模型收斂或達到手動設(shè)定的訓(xùn)練次數(shù)閾值，完成整個訓(xùn)練過程（圖2）。在模型訓(xùn)練過程中，用戶端數(shù)據(jù)始終保留在本地，訓(xùn)練中的數(shù)據(jù)交互不會導(dǎo)致隱私泄露，因此各用戶端在FL的幫助下實現(xiàn)隱私保護的全局合作模型訓(xùn)練。國內(nèi)的WeBank銀行已將FL技術(shù)落地，可基于此開源框架，迅速搭建PCOS預(yù)測模型[29]。

3.2.3實施風(fēng)險評估和健康指導(dǎo)各用戶端在本機構(gòu)云平臺上設(shè)立PCOS危險因素特征庫和PCOS風(fēng)險評估客戶端，特征庫收納了經(jīng)全局模型訓(xùn)練后與PCOS發(fā)病密切相關(guān)的危險因素。PCOS風(fēng)險評估客戶端用于收集PCOS危險人群的人口學(xué)資料、生活方式、相關(guān)病史等信息，并自動上傳數(shù)據(jù)與PCOS危險因素特征庫對比、篩查，生成PCOS發(fā)病風(fēng)險評估報告，為PCOS危險人群及PCOS病人分配網(wǎng)絡(luò)健康檔案，并利用手機APP、可穿戴式智能設(shè)備等對人群實施持續(xù)追蹤、實時反饋的連續(xù)醫(yī)療服務(wù)模式和人群與醫(yī)生間雙向的信息交流反饋互動模式，及時反饋預(yù)測信息和提供相應(yīng)危險因素干預(yù)措施及個性化健康指導(dǎo)。

對于PCOS危險人群的早期癥狀應(yīng)及時采取有效的治療干預(yù)措施，如使用孕激素、雌激素等藥物治療或者運用中藥膏方、針灸推拿等中醫(yī)特色養(yǎng)生調(diào)理方法調(diào)節(jié)月經(jīng)周期、糾正內(nèi)分泌代謝異常等癥狀，并指導(dǎo)PCOS危險人群遠離危險因素，如采取減輕體質(zhì)量、調(diào)暢情志等措施。利用移動應(yīng)用程序和傳感器健康監(jiān)測數(shù)據(jù)等生成人群健康數(shù)據(jù)，并對其相關(guān)危險因素情況進行跟蹤隨訪和預(yù)警提醒，以預(yù)防PCOS的發(fā)生。

由于PCOS無法治愈，對于PCOS病人最好的治療方法是建立長期健康管理策略，除了選擇合適的治療方案之外，還應(yīng)注意定期體檢及重視預(yù)防遠期并發(fā)癥的出現(xiàn)。主要的基礎(chǔ)治療是生活方式干預(yù)，包括飲食控制、運動計劃和行為干預(yù)[30]。近年來，國內(nèi)外多家醫(yī)療機構(gòu)利用各類移動智慧醫(yī)療手段對PCOS病人進行生活方式管理，取得了良好的效果[31-32]。此外，醫(yī)療專業(yè)人員可通過網(wǎng)上平臺向大眾普及PCOS相關(guān)知識，引導(dǎo)女性關(guān)注自身健康狀況，自覺采取健康的飲食、運動和行為習(xí)慣，以期減低患病風(fēng)險。3.3不足與展望

在研究的過程中發(fā)現(xiàn)，由于訓(xùn)練機器學(xué)習(xí)模型需要依賴于充足的數(shù)據(jù)量才能達到預(yù)期效果，因此數(shù)據(jù)規(guī)模的提高是FL模型性能提升的關(guān)鍵。要想吸引更多的醫(yī)療機構(gòu)參與到PCOS預(yù)測平臺的建立中，就要建立起一個完善的激勵和分配機制[33]，這將是未來研究的重點。其次，在PCOS預(yù)測模型的訓(xùn)練過程中，云端只有在收到所有醫(yī)療機構(gòu)參與方的模型信息后，才會進行信息聚合和全局模型訓(xùn)練。如果遇到機構(gòu)參與方掉線或通信阻滯的情況，會導(dǎo)致云端陷入長時間等待狀態(tài)，影響模型聚合以及信息反饋效率。因此，設(shè)計一種智能化的云端服務(wù)器管理系統(tǒng)，使云端能夠自適應(yīng)地高效訓(xùn)練模型，減少訓(xùn)練中不必要的等待時間，使平臺資源的利用率最大化，這也將是后續(xù)研究延伸的方向。

4結(jié)語

PCOS對女性健康的危害伴隨終生，為降低PCOS發(fā)病率，改善女性健康狀況，運用FL技術(shù)構(gòu)建PCOS預(yù)測平臺，在保障醫(yī)療隱私數(shù)據(jù)安全的前提下實現(xiàn)疾病的精準預(yù)防、高效治療，展現(xiàn)現(xiàn)代化科學(xué)技術(shù)防治PCOS的獨特優(yōu)勢，這對完善我國PCOS防治體系具有重要意義，也是推動我國移動醫(yī)療、智慧醫(yī)療、遠程醫(yī)療服務(wù)模式等發(fā)展的有力探索[34]。

［參考文獻］

[1]FENICHEL P， ROUGIER C， HIERONIMUS S， et al. Which origin for polycystic ovaries syndrome： genetic， environmental or both[J]？? Annales Dendocrinologie， 2017，78（3）：176-185.

[2]喬杰，李蓉，李莉，等. 多囊卵巢綜合征流行病學(xué)研究[J].? 中國實用婦科與產(chǎn)科雜志， 2013，29（11）：849-852.

[3]李昕. 多囊卵巢綜合征心理問題及管理[J].? 中國實用婦科與產(chǎn)科雜志， 2019，35（3）：295-297.

[4]BEDNARSKA S， SIEJKA A. The pathogenesis and treatment of polycystic ovary syndrome： whats new[J]？ Advances in Clinical and Experimental Medicine： Official Organ Wroclaw Medical University， 2017，26（2）：359-367.

[5]TOOSY S， SODI R， PAPPACHAN J M. Lean polycystic ovary syndrome （PCOS）： an evidence-based practical approach[J].? Journal of Diabetes and Metabolic Disorders， 2018，17（2）：277-285.

[6]GOODMAN N F， COBIN R H， FUTTERWEIT W， et al. American association of clinical endocrinologists， American college of endocrinology， and androgen excess and pcos society disease state clinical review： guide to the best practices in the evaluation and treatment of polycystic ovary syndrome： part 1[J].? Endocrine Practice： Official Journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists， 2015，21（11）：1291-1300.

[7]GOODMAN N F， COBIN R H， FUTTERWEIT W， et al. American association of clinical endocrinologists， American college of endocrinology， and androgen excess and pcos society disease state clinical review： guide to the best practices in the evaluation and treatment of polycystic ovary syndrome-part 2[J].? Endocrine Practice： Official Journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists， 2015，21（12）：1415-1426.

[8]RACKOW B W， VANDEN BRINK H， HAMMERS L， et al. Ovarian morphology by transabdominal ultrasound correlates with reproductive and metabolic disturbance in adolescents with PCOS[J].? The Journal of Adolescent Health： Official Publication of the Society for Adolescent Medicine， 2018，62（3）：288-293.

[9]劉續(xù)寶，孫業(yè)桓. 臨床流行病學(xué)與循證醫(yī)學(xué)[M].? 5版.北京：人民衛(wèi)生出版社， 2018：88.

[10]楊麗玫，王小蔓，蔡余，等. 瓊海地區(qū)育齡女性PCOS患病調(diào)查及危險因素分析[J].? 中國計劃生育學(xué)雜志， 2021，29（5）：881-884.

[11]于婧璐，侯麗輝，孫淼，等. 不同體重指數(shù)的多囊卵巢綜合征患者的臨床特征差異性分析[J]. 中國醫(yī)藥導(dǎo)報， 2020，17（26）：75-78.

[12]BOZDAG G， MUMUSOGLU S， ZENGIN D， et al. The pre-valence and phenotypic features of polycystic ovary syndrome： a systematic review and meta-analysis[J].? Human Reproduction （Oxford， England）， 2016，31（12）：2841-2855.

[13]段寧霞. 多囊卵巢綜合征患者月經(jīng)周期紊亂與內(nèi)分泌代謝失調(diào)的關(guān)系[J].? 實用婦科內(nèi)分泌電子雜志， 2015，2（12）：62-63.

[14]ROE A H， PROCHASKA E， SMITH M， et al. Using the androgen excess-PCOS society criteria to diagnose polycystic ovary syndrome and the risk of metabolic syndrome in adolescents[J].? The Journal of Pediatrics， 2013，162（5）：937-941.

[15]周麗端，楊秀娥. 運動干預(yù)對多囊卵巢綜合征患者激素水平的影響[J].? 中國衛(wèi)生標(biāo)準管理， 2018，9（24）160-163.

[16]譚秋曉，張紅梅，李潔明，等. 多囊卵巢綜合征患者抑郁和焦慮發(fā)病現(xiàn)狀及影響因素分析[J]. 實用醫(yī)學(xué)雜志， 2020，36（23）：3288-3292.

[17]GODDARD M. The EU general data protection regulation （GDPR）： European regulation that has a global impact[J].? International Journal of Market Research， 2017，59（6）：703-705.

[18]劉煒，彭宇飛，田釗，等.基于區(qū)塊鏈的醫(yī)療信息隱私保護研究綜述[J]. 鄭州大學(xué)學(xué)報（理學(xué)版）， 2021，53（2）：1-18.

[19]ZHANG C， XIE Y， BAI H， et al. A survey on federated learning[J].? Knowledge-Based Systems， 2021，216：106775.

[20]張佳佳，葉菁華. 青春期與育齡期多囊卵巢綜合征患者臨床特點分析[J].? 中國婦幼健康研究， 2021，32（6）：896-899.

[21]BONAWITZ K， EICHNER H， GRIESKAMP W， et al. Towards federated learning at scale： system design[EB/OL]. 2019： arXiv：1902.01046. https：//arxiv.org/abs/1902.01046.

[22]LEE J， SUN J M， WANG F， et al. Privacy-preserving patient similarity learning in a federated environment： development and analysis[J].? JMIR Medical Informatics， 2018，6（2）： e20.

[23]BRISIMI T S， CHEN R D， MELA T， et al. Federated lear-ning of predictive models from federated Electronic Health Records[J].? International Journal of Medical Informatics， 2018，112：59-67.

[24]姚俊明，邢丹，邵婷婷. 移動邊緣計算環(huán)境下基于聯(lián)邦機器學(xué)習(xí)的醫(yī)聯(lián)體慢病管理[J].? 醫(yī)學(xué)信息學(xué)雜志， 2020，41（11）：17-21.

[25]盧云，張夢月，夏赫，等. 基于LightGBM及SHAP對1 055例新型冠狀病毒肺炎重型患者中西醫(yī)結(jié)合及西醫(yī)治療的多中心回顧性研究[J].? 北京中醫(yī)藥大學(xué)學(xué)報， 2021，44（12）：1098-1110..

[26]DING Y， LI X M， L? H F， et al. A novel fully homomorphic encryption scheme bsed on LWE[J].? Wuhan University Journal of Natural Sciences， 2016，21（1）：84-92.

[27]黃云婷，江南，杜承烈. 一種跨平臺的實時TCP/IP協(xié)議棧設(shè)計[J].? 計算機工程， 2014，40（9）：134-137，154.

[28]MA X， WEN C L. An asynchronous quasi-cloud/edge/client collaborative federated learning mechanism for fault diagnosis[J].? Chinese Journal of Electronics， 2021，30（5）：969-977.

[29]李盼盼. 微眾銀行開啟互聯(lián)網(wǎng)金融新時代[J].? 中國戰(zhàn)略新興產(chǎn)業(yè)， 2015（4）：74-75.

[30]王路路，尹楠林，劉政，等. Smad3在未足月胎膜早破中的表達及其影響羊膜上皮細胞增殖和凋亡的作用機制研究[J].? 實用婦產(chǎn)科雜志， 2020，36（8）：621-625.

[31]盧堃，朱海英，駱曉榮，等. 多囊卵巢綜合征與脂肪分布的研究進展[J].? 中華生殖與避孕雜志， 2017，37（12）：1031-1037.

[32]唐玉珠，蘇椿淋，王經(jīng)緯，等. 基于人體成分測定進行互聯(lián)網(wǎng)線上生活方式干預(yù)在多囊卵巢綜合征患者治療中作用的多中心前瞻性研究[J].? ?中華生殖與避孕雜志， 2019，39（3）：177-184.

[33]張沁楠，朱建明，高勝，等. 基于區(qū)塊鏈和貝葉斯博弈的聯(lián)邦學(xué)習(xí)激勵機制[J].? 中國科學(xué)（信息科學(xué)）， 2022，52（6）：971-991.

[34]趙維婷. 中共中央、國務(wù)院印發(fā)《“健康中國2030”規(guī)劃綱要》 建設(shè)健康中國須充分發(fā)揮中醫(yī)藥獨特優(yōu)勢[J].? 中醫(yī)藥管理雜志， 2016，24（21）：F0004.

（本文編輯黃建鄉(xiāng)）