基于机器学习算法探讨糖尿病视网膜病变的风险因素

宋亚男，武惠韬，应 俊，李琬悦，陈 康，刘铁城，张卯年，张 颖

1 解放军总医院医学研究创新部 医疗大数据中心，北京 100853；2 解放军总医院医疗信息处，北京 100853；3 解放军医学院，北京 100853；4 解放军总医院第一医学中心 内分泌科，北京 100853；5 解放军总医院第一医学中心 眼科，北京 100853

糖尿病视网膜病变(diabetic retinopathy，DR)是糖尿病患者主要并发症。大约1/3 糖尿病(diabetic mellitus，DM) 患者并发有不同程度的DR，并且1/10 的DM 患者会因此而视力损害[1]。随着生活水平的提高，我国糖尿病患病率显著上升，绝对患病量不容忽视，其中2 型糖尿病(type 2 diabetic mellitus，T2DM) 占90% 以上[2-3]。由于T2DM 患者的临床数据样本量大、影响因素多、结构复杂，缺失和冗余信息易造成样本分布不均衡，单纯使用传统统计学方法略显不足，如欠拟合、准确度下降、不能很好地处理大量多类特征或变量、对非线性特征需转换等[4-5]。近年来，机器学习应用于DR 的人工智能辅助诊断和预测模型被广泛关注[6-8]。本研究基于解放军总医院大数据平台的DM 并发症预警数据集，提取临床观察变量指标，运用机器学习的方法筛选危险因子，并分析其在DR 形成中的交互作用，结合临床实际对DM患者预防、控制和管理DR 做出初步探讨。

对象与方法

1 研究对象 回顾性分析“国家人口与健康科学数据共享平台”公布的“解放军总医院糖尿病并发症预警数据集”3 000 例T2DM 患者的临床资料(2013 年1 月 -2017 年12 月)，其中并发DR 者1 500 例。提取指标包括年龄、身高、体质量等患者基本信息；血压、血常规、凝血功能以及血糖等血生化相关指标；常见系统并发症情况。……