18、利用生物标志物进行糖尿病足溃疡风险分层的机器学习研究

利用生物标志物进行糖尿病足溃疡风险分层的机器学习研究

1. 引言

糖尿病足溃疡（DFU）是糖尿病的一种严重并发症，据估计，15%的糖尿病患者一生中会患上DFU。DFU的出现会使患者的健康和生活质量急剧下降，还可能导致感染、截肢甚至死亡。因此，对DFU形成风险进行分层至关重要，它能为患者应接受的护理水平和频率提供依据。

传统的风险分层是由临床医生根据常规检查中捕获的生物标志物特征手动分配风险类别。生物标志物是在常规体检中捕获的生理特征，有助于医生了解患者的病情和进行风险分层。例如，血液中白蛋白的浓度是糖尿病及其并发症的一个公认指标，而外周神经病变相关的生物标志物也备受关注。

目前，利用患者健康记录进行DFU风险分层的机器学习研究较少。以往大部分机器学习算法应用于足部的热光谱或彩色图像，只有少数研究涉及患者健康记录。与其他研究相比，本研究使用了约27,000名患者的健康记录，目标是对溃疡形成进行风险分层，且应用于不同的医疗系统。

本研究有三个主要贡献：一是比较三种机器学习算法在DFU风险分层中的应用；二是对比近期和历史特征对决策的影响；三是通过互信息值确定数据集中每个特征的贡献能力。

2. 方法

2.1 数据来源

苏格兰护理信息 - 糖尿病（SCI - Diabetes）平台由苏格兰国民健康服务（NHS）运营，包含糖尿病患者的数字健康记录。本研究获得了该平台电子健康记录的一个子集，即SCI - Diabetes生物标志物数据集，包含30,941名独特患者的生物标志物数据。这些生物标志物分为数值型和分类型，每个患者还根据国家健康与护理卓越研究所（NICE）指南被分配了风险分类。