摘要目的:为了实现重症患者腹腔内压(intra-abdominal pressure,IAP)的精准、无创预测,构建一种多重回归-变分自动编码器(multiple regression-variational auto-encoders,MR-VAE)模型.方法:首先,基于2019年8月30日至2021年3月30日陆军军医大学大坪医院重症医学科收治的100例重症患者的基线特征和临床指标等相关数据构建数据集.其次,在变分自动编码器(variational auto-encoders,VAE)的基础上融合前馈神经网络进行回归分析,并引入多重回归策略以消除特征间干扰,构建MR-VAE模型.最后,为评估MR-VAE模型预测IAP的性能,将其与支持向量机(support vector machines,SVM)、卷积神经网络(convolutional neural networks,CNN)、Sklearn集成模型(Scikit-learn integrated model,SIM)、多层感知机(multi-layer perceptron,MLP)和K近邻算法(K-nearest neighbors,KNN)5种经典模型进行比较;为验证MR-VAE模型的预测准确度,随机选取10例患者的数据进行测试.结果:MR-VAE模型的均方误差为0.207、均方根误差为0.454、平均绝对误差为0.361、中位数绝对偏差为0.243、可释方差得分为0.814、决定系数为0.823,与SVM、CNN、SIM、MLP和KNN相比表现最优.与SVM、CNN、SIM、MLP和KNN相比,MR-VAE模型的拟合效果最优,收敛速度更快、最终损失更低.在随机样本测试中,MR-VAE模型的预测值与真实值一致性较高.结论:构建的MR-VAE模型能够准确预测IAP,在减少危重患者IAP的重复测量方面具有很大的潜力,为腹腔高压的早期诊断和治疗提供了新的思路.