糖尿病患者动脉粥样硬化发病风险预测模型比较研究

摘要

目的 分析比较LightGBM和随机森林机器学习模型在糖尿病患者动脉粥样硬化疾病风险预测模型中的应用。方法 利用国家人口健康科学数据中心公共数据集，使用LightGBM和随机森林两种算法建立动脉粥样硬化疾病风险预测模型并进行比较研究。结果 利用LightGBM和随机森林的机器学习模型，对动脉粥样硬化进行分析发现，随机森林的准确率为0.624 2、曲线下面积(AUC)为0.671 8、精确度为0.629 7,均高于LightGBM,而LightGBM的召回率为0.756 7、F1得分为0.665 2,数值高于随机森林，但二者对于动脉粥样硬化预测效果均较好。结论 在动脉粥样硬化的预测模型中，随机森林的准确率、AUC、精确度更高，LightGBM的召回率、F1得分更高。总体而言，二者均可对动脉粥样硬化进行准确的预测，可以运用到临床实践中，为临床辅助诊断糖尿病并发症的相关研究提供有益借鉴。

关键词

糖尿病 / 动脉粥样硬化 / 机器学习 / 预测分析

基金资助

国家自然科学基金面上项目(82073663)