基于机器学习的糖尿病肾脏病预测模型的研究及应用进展.pdfVIP

194CHINAHEALTHSTANDARDMANAGEMENT,Vol.16,No.9综述

基于机器学习的糖尿病肾脏病预测模型的研究及应用进展

黄艳玲吴小枫杨嘉永

isreviewed,aimingatprovidingabasisfortheclinicalconstruction

【摘要】糖尿病肾脏病（diabetic kidney disease，DKD）发病率逐年ofasuitableDKDriskpredictionmodel,andprovidesareference

上升，已成为终末期肾病（end-stage renal disease，ESRD）的forthelaterrevisionofrelevantclinicalguidelines.

首要病因。构建科学的DKD预测模型有利于尽早、准确、便利地[Keywords]diabetickidneydisease;machinelearningalgorithm;

筛查DKD高风险人群，以及时有效地采取防治措施、减轻医analysisofdiseaseriskfactors;diseasepredictionmodel;logistic

疗负担。随着医疗大数据和人工智能技术的进步，不少国内外regression;randomforest

学者基于机器学习（machine learning，ML）所构建的DKD风

险预测模型取得了良好的预测性能。选择适宜的ML算法进行

DKD预测模型的构建可提升模型的性能，进而提高DKD高

风险人群的筛查效率和精确率，节约治疗成本，更好地辅助糖尿病肾脏病（diabetickidneydisease，DKD）是糖尿病

临床医生采取个体化的干预措施。文章通过对目前ML算法在常见的微血管并发症之一[1]，已成为全球范围内导致终末

DKD风险预测模型构建中的应用进行综述，旨在为临床构建

期肾病（end-stagerenaldisease，ESRD）的首要原因，给

适宜的DKD风险预测模型提供依据，为《中国糖尿病肾脏病

防治指南》后期的修订提供参考。患者个人和社会造成了一定的负担。尽早识别和筛查DKD

【关键词】 糖尿病肾脏病；机器学习算法；危险因素分析；疾高风险人群，并采取防治措施，仍然是治疗DKD的关键。

病预测模型；logistic回归；随机森林

DKD预测模型的构建在一定程度上解决了早期识别DKD

【中图分类号】R587 【文献标识码】A

【文章编号】1674-9316（2025）09-0194-05高风险人群的难题。因此，建立临床疾病预测模型对DKD

doi：10.3969/j.issn.1674-9316.2025.09.045进行早期预测具有重要的意义。随着医疗信息技术的发展，

数据的价值得到了前所未有的重视，大数据和人工智能技

ResearchandApplicationProgressofMachineLearning-Based

术逐渐取代传统的统计、分析技术，成为研究的一大热

AlgorithminPredictionModelsforDiabeticKidneyDisease

HUANGYanlingWUXiaofengYANGJiayongDepartmentof点。机器学习（machinelearning，ML）是人工智能技术的

Pharmacy,theF