目的：　　前列腺增生症(BPH)是引起中老年男性下尿路不适的一种常见疾病，其患病率较高，当前列腺增生引起膀胱出口梗阻（BOO）时，可引发一系列下尿路症状。毫无疑问，对于膀胱出口梗阻的患者而言，手术解除梗阻是最理想的治疗方式，但部分BPH患者的排尿障碍原因并非完全由膀胱出口梗阻所致，因此，对于BPH患者明确膀胱出口梗阻非常重要。本研究拟采用一系列非侵入性检查参数，通过人工神经网络模型建立一个新型预测模型，希望能够更好的预测前列腺患者的膀胱出口梗阻情况。　　方法：　　我们收集评估了从2013年02月至2015年03月就诊于山西医科大学附属山西大医院的BPH患者200例，其中训练组160例，验证组40例，我们收集其临床参数，并利用7个非侵入性参数构建了一个三层BP神经网络，依靠训练组160例患者建立网络模型，并通过验证组的40例患者对模型进行效能验证。　　结果：　　基于年龄，国际前列腺症状评分，前列腺体积，最大尿流率，残余尿，前列腺突入膀胱程度及是否并发尿潴留等因素建立起来的神经网络对尿动力结果有一定的预测价值，建立的神经网络模型平均误差为0.1966，预测性能为80.34％，对于验证组，当膀胱出口梗阻值（A-G值）的截取点为40cm H2O时，神经网络预测模型的敏感性和特异性分别为75%和58%。　　结论：　　本研究表明，人工神经网络相比传统回归模型能更好地确定变量之间的非线性关系和复杂的交互作用，因而在一定程度上提高了对BOO的预测，但是仍不足以完全替代尿动力学分析的结果，因此，患者想得到明确的诊断，必须要进行尿动力学检查；同时，神经网络能够鉴定出哪些患者必须要接受尿动力学检查，而哪部分患者可以选择不进行尿动力学检查，从而减轻患者的负担。