基于机器学习的2型糖尿病患者视网膜病变风险预测模型研究
李林怿1
万毅1
刘奎1
韩政元2
韩悌昕3
陈长生4
1.空军军医大学卫勤训练基地卫生勤务教研室,陕西西安 7100322.空军军医大学基础医学院学员三大队,陕西西安 7100323.空军军医大学军事生物医学工程学系医学电子工程学教研室,陕西西安 7100324.空军军医大学军事预防医学系卫生统计学教研室,陕西西安 710032
摘要：目的 分析比较逻辑回归(LR)、线性判别分析(LDA)、决策树(DT)、随机森林(RF)、CatBoost和LightGBM 6种机器学习模型对2型糖尿病患者视网膜病变风险的预测效能.方法 利用国家人口健康科学数据中心的糖尿病并发症预警数据集,基于不同算法构建2型糖尿病患者视网膜病变风险预测模型,清洗数据后按照7∶3划分训练集和测试集,采用十折交叉验证法对6种模型的预测性能(准确度、召回率、精确度、F1-Score、AUC)进行比较.结果 在测试集上使用6种模型对2型糖尿病患者视网膜病变进行风险预测,LightGBM 的准确度(0.773 8)、召回率(0.825 1)、精确度(0.762 0)、F1-Score(0.792 3)和 AUC(0.843 4)均最高,CatBoost 的准确度(0.744 1)、召回率(0.787 8)、精确度(0.729 1)、F1-Score(0.757 3)和 AUC(0.828 0)均次之.结论 对于2型糖尿病患者视网膜病变风险预测,LightGBM在6种模型中综合表现最好,此外集成学习分类器(LightGBM、CatBoost、RF)的预测效能优于弱学习分类器(DT、LR、LDA),可为2型糖尿病患者视网膜并发症的临床辅助诊断及发病风险预测提供便捷可靠参考.
关键词：糖尿病视网膜病变机器学习疾病预测比较研究
分类号：R587.2(内分泌腺疾病及代谢病)R774.1(视网膜及视神经疾病)
资助基金：国家自然科学基金(82073663)
论文发表日期：2025-08-31
在线出版日期：2026-08-26（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1070-1075 )
英文信息