基于人工智能的糖尿病预测研究

目的：以临床类指标建立基于极限梯度增强（extreme gradient boosting,XGBoost）、基于梯度提升树的分类器（light gradient boosting machine,LightGBM）、自适应增强（adaptive boosting,AdaBoost）、多层感知器（multilayer perceptron,MLP）等4种分类器的糖尿病预测模型，并评价其筛查效果。方法：根据病例对照研究设计采集研究组、对照组的99项临床类数据，使用python3.8进行了分析，接着采用线性插补、固有非负隐特征（inherent non negative implicit features,INLF）模型等方法对特征缺失值进行了预测，然后使用4种分类器构建分类模型来检测糖尿病。结果：3 241例高血压合并糖尿病患者作为研究组，4 181例高血压患者作为对照组被纳入模型进行分析，包含99个特征，通过基于XGBoost、LightGBM、AdaBoost和MLP等4种分类器的糖尿病鉴别分类准确率分别为0.894 9、0.887 5、0.862 0、0.856 6。结论：本研究提...