孙敏娴 张红梅 毛红 易兰 周婕

糖尿病是目前最常见的慢性非传染性疾病之一，我国糖尿病患者数量居世界首位，其患病率从1980年的0.67%上升至2017年的11.2%[1-2]。糖尿病患者临床特征多样，精准医疗的需求显得越来越重要[3]。机器学习可通过自动学习大量输入的数据样本内在结构和规则，对新样本进行智能辨识，甚至实现对未来的预测，符合精准医疗的需求，在医学领域已得到越来越广泛的应用。我们收集了1 487例新诊断2型糖尿病(T2DM)患者的人体成分、生化指标等数据，应用机器学习建模方法对T2DM不同代谢表型进行分类预测，旨在为T2DM精准医疗提供依据。

对象与方法

1.对象：收集2017年8月～2019年1月于我科住院的1 487例新诊断T2DM患者的临床资料。纳入标准：(1)T2DM符合WHO 1999糖尿病诊断标准；(2)年龄≥20岁。排除标准：1型糖尿病、妊娠期糖尿病及其他类型糖尿病；合并感染、急性糖尿病并发症、急性心脑血管疾病、急性消化系统疾病、严重肝肾功能不全、自身免疫系统疾病、肿瘤性疾病、甲状腺功能异常。患者均自愿参与本研究并签署知情同意书。

2.方法

(1)一般资料收集和体格检查：收集患者的性别、年龄、烟酒嗜好、基础疾病病史、目前用药情况。测定患者的身高、腰围、臀围、血压、心率。腰围测量方法：腋中线髂前上棘与十二肋骨下缘连线的中点，沿水平方向围绕腹部一周。臀围测量方法：沿股骨大转子水平测量臀部最大周径。

(2)人体成分分析：使用清华同方人体成分分析仪BCA-1B获取人体成分数据。要求所有受试者测试前6 h内禁止剧烈活动，测试当天空腹、排空大小便、脱去鞋袜、着薄衣，双脚平行站于足形电极上，双手握住手柄电极(拇指在上，其余四指在下)，双臂伸直外展30°。……