Прогнозирование сахарного диабета с помощью методов машинного обучения

Сахарный диабет — хроническое заболевание, характеризующееся гипергликемией и способное вызывать множество осложнений. В связи с ростом заболеваемости ожидается, что к 2040 году число больных сахарным диабетом в мире достигнет 642 млн, то есть диабет будет выявляться у каждого десятого взрослого. Эта тревожная тенденция требует пристального внимания. Благодаря стремительному развитию машинного обучения его методы применяются во многих областях медицины. В настоящем исследовании для прогнозирования сахарного диабета использовали дерево решений, случайный лес и нейронную сеть. Набор данных включал результаты медицинских осмотров в больнице города Лучжоу (Китай) и содержал 14 признаков. Для оценки моделей применяли пятиблочную перекрёстную проверку. Чтобы проверить универсальность методов, для независимого тестирования отобрали методы с наилучшими показателями. В качестве обучающей выборки случайным образом отобрали по 68 994 записи о здоровых людях и пациентах с сахарным диабетом соответственно. Из-за дисбаланса данных случайную выборку формировали пять раз, а итоговым результатом считали среднее значение по пяти экспериментам. Для снижения размерности применяли метод главных компонент (PCA) и метод минимальной избыточности и максимальной релевантности (mRMR). При использовании всех признаков наибольшую точность продемонстрировал случайный лес (ACC = 0,8084).