机器学习方法在糖尿病预测与管理中的应用
机器学习
2025-06-16 v1 人工智能
摘要
糖尿病已成为一项重大的全球健康问题，尤其在许多国家病例数量持续增加的背景下。这一趋势凸显了对早期检测和主动管理的需求，以避免或减轻该疾病带来的严重健康并发症。近年来，机器学习算法在预测糖尿病风险方面展现出广阔前景，对从业者具有重要价值。本研究旨在突出统计与非统计机器学习方法在皮马印第安人糖尿病数据库（Pima Indians Diabetes Database）768个样本的糖尿病风险分类中的预测能力。该数据集包含年龄、体重指数（BMI）和血糖水平等具有显著影响的人口统计与临床特征，这些特征对糖尿病的易感性至关重要。实验评估了多种机器学习算法在糖尿病预测中的准确性与有效性，包括逻辑回归（Logistic Regression）、决策树（Decision Tree）、随机森林（Random Forest）、K近邻（K-Nearest Neighbors）、朴素贝叶斯（Naive Bayes）、支持向量机（Support Vector Machine）、梯度提升（Gradient Boosting）和神经网络模型（Neural Network）。结果显示，神经网络算法获得了最高的预测准确率78.57%，随机森林算法以76.30%的准确率位居第二。这些发现表明，机器学习技术不仅具有高度有效性，还可以作为早期筛查工具，以数据驱动的方式预测糖尿病，并提供有关哪些人群更易受影响的有价值信息。此外，本研究有助于认识机器学习在长期及时干预方面的潜力，这是迈向降低糖尿病对医疗系统造成的健康结果与疾病负担的一步。
引用
@article{arxiv.2506.11501,
title = {Diabetes Prediction and Management Using Machine Learning Approaches},
author = {Mowafaq Salem Alzboon and Muhyeeddin Alqaraleh and Mohammad Subhi Al-Batah},
journal= {arXiv preprint arXiv:2506.11501},
year = {2025}
}