基于机器学习的2型糖尿病发病风险预测模型及应用

摘要

目的 利用机器学习方法，开发2型糖尿病（T2DM）发病风险的预测模型及应用程序。方法 采用公开数据集，纳入14个预测变量，构建Cox回归模型、逻辑回归模型、XGboost模型和基于CNN+SSM的深度学习模型。通过准确率、精确率、召回率、F1分数和ROC曲线（AUC）评估模型性能。利用Python的Dash库、DeepSeek的API和XGboost模型构建Web应用程序。结果 共纳入8 348例样本，4 174例样本患糖尿病。经Cox回归分析显示，年龄、身高、体质量、BMI、收缩压、空腹血糖、总胆固醇、甘油三酯、高密度脂蛋白、低密度脂蛋白、谷丙转氨酶为显著影响因素（P<0.05）。性别、舒张压、谷草转氨酶、血尿素氮、肌酐清除率、糖尿病家族史为无显著影响因素（P>0.05）。XGboost模型表现最佳，准确率为0.874 9、精确率为0.884 0、召回率为0.861 6、F1分数为0.872 7和AUC为0.944 1。结论 基于XGboost预测模型和DeepSeek构建的Web应用程序，在预测糖尿病方面具有一定的实用性。

关键词

机器学习 / 2型糖尿病 / 集成开发 / 预防指导

基金资助

广西重点研发计划项目（桂科AB25069022）; 桂卫科教发[2022]4号广西医疗卫生重点培育学科（康复医学科）建设项目