Pima印第安人糖尿病數(shù)據(jù)集變量如下數(shù)據(jù)集變量如下：妊娠, 血糖,血壓,皮膚厚度,胰島素,BMI,糖尿病系統(tǒng)功能,年齡,是否為糖尿病患者。

糖尿病概述

糖尿病有一型和二型，是由于胰腺分泌胰島素紊亂或人體無法有效利用其產(chǎn)生的胰島素而發(fā)生的一種慢性疾病，是２１世紀(jì)人類面臨的健康問題之一．糖尿病伴有彌漫性并發(fā)癥，其包括心血管病變、腎臟疾病、高血壓、中風(fēng)等、眼部疾病、下肢截肢上百種，由此增加了過早死亡的風(fēng)險(xiǎn)．因此，糖尿病防治形勢(shì)十分嚴(yán)峻.

下右圖為糖尿病視網(wǎng)膜病變

2019年估算中國(guó)糖尿病患病率排名世界第二

中國(guó)糖尿病患者數(shù)量位居世界第一。中國(guó)是糖尿病最大藥物研發(fā)市場(chǎng)。越來越多年輕人也加入糖尿病市場(chǎng)，成為藥企搖錢樹。

下圖為中國(guó)糖尿病患病率歷史數(shù)據(jù)

糖尿病給經(jīng)濟(jì)帶來巨大負(fù)擔(dān)
糖尿病也給經(jīng)濟(jì)帶來了巨大的負(fù)擔(dān)，每年診斷出的糖尿病成本約為 3270 億美元，而未確診的糖尿病和前驅(qū)糖尿病的總成本接近 4000 億美元。

糖尿病可預(yù)防

雖然糖尿病無法治愈，但減肥、健康飲食、積極運(yùn)動(dòng)和接受藥物治療等策略可以減輕這種疾病對(duì)許多患者的危害。早期診斷可以改變生活方式和更有效的治療，使糖尿病風(fēng)險(xiǎn)預(yù)測(cè)模型成為公共和公共衛(wèi)生官員的重要工具。

糖尿病致病因子多樣化
雖然有不同類型的糖尿病，但 II 型糖尿病是最常見的形式，其患病率因年齡、教育程度、收入、地點(diǎn)、種族和其他健康的社會(huì)決定因素而異。這種疾病的大部分負(fù)擔(dān)也落在社會(huì)經(jīng)濟(jì)地位較低的人身上。
本實(shí)驗(yàn)就是通過建立人工智能機(jī)器學(xué)習(xí)模型，預(yù)測(cè)糖尿病概率和挖掘糖尿病重要致病因子。

糖尿病建模數(shù)據(jù)集介紹
糖尿病數(shù)據(jù)集來源Pima印第安人糖尿病數(shù)據(jù)集。數(shù)據(jù)集包含769條數(shù)據(jù)，9個(gè)變量。變量如下：妊娠, 血糖,血壓,皮膚厚度,胰島素,BMI,糖尿病系統(tǒng)功能,年齡,是否為糖尿病患者。

本研究的實(shí)驗(yàn)數(shù)據(jù)來自 ＵｎｉｖｅｒｓｉｔｙｏｆＣａｌｉｆｏｒｎｉａ，ＵＧＩ機(jī)器學(xué)習(xí)數(shù)據(jù)庫中的 ＰｉｍａＩｎｄｉａｎＤｉａｂｅｔｅｓ數(shù)據(jù)集，其研究對(duì)象是亞利桑那州鳳凰城附近的皮馬印第安人．該數(shù)據(jù)集共有７６８條數(shù)據(jù)項(xiàng)，包含８?jìng)€(gè)醫(yī)學(xué)預(yù)測(cè)變量和１個(gè)結(jié)果變量，其具體屬性包括：懷孕次數(shù)（Ｐｒｅｇｎａｎｃｉｅｓ）、血糖濃度（Ｇｌｕｃｏｓｅ）、年齡（Ａｇｅ）、血壓（ＢｌｏｏｄＰｒｅｓｓｕｒｅ）、肱三頭肌皮脂厚度（ＳｋｉｎＴｈｉｃｋｎｅｓｓ）、胰島素含量（Ｉｎｓｕｌｉｎ）、身體質(zhì)量指數(shù)（ＢＭＩ）、糖尿病遺傳系數(shù)（ＤｉａｂｅｔｅｓＰｅｄｉｇｒｅｅＦｕｎｃｔｉｏｎ）和 結(jié) 果（Ｏｕｔｃｏｍｅ，１代 表 患 糖 尿 病，０代 表 未 患 糖 尿 ?。冢校椋恚幔桑睿洌椋幔睿模椋幔猓澹簦澹髷?shù)據(jù)集中，Ｏｕｔｃｏｍｅ為１的有２６８例，即為糖尿病患者人數(shù)；Ｏｕｔｃｏｍｅ為０的有５００例，即為未患有糖尿病的人數(shù)．

模型價(jià)值和意義

通過我們建立的人工智能機(jī)器學(xué)習(xí)預(yù)測(cè)模型，可實(shí)現(xiàn)以下一些研究問題：
1.模型能準(zhǔn)確預(yù)測(cè)個(gè)人是否患有糖尿病。
2.模型能挖掘哪些風(fēng)險(xiǎn)因素最能預(yù)測(cè)糖尿病風(fēng)險(xiǎn)。
3.我們能使用風(fēng)險(xiǎn)因素的一個(gè)子集來準(zhǔn)確預(yù)測(cè)一個(gè)人是否患有糖尿病。
4.我們可以使用篩選幾個(gè)重要糖尿病致病特征，然后組合創(chuàng)建為一個(gè)簡(jiǎn)短的問題，以準(zhǔn)確預(yù)測(cè)某人是否可能患有糖尿病或是否有糖尿病的高風(fēng)險(xiǎn)。

傳統(tǒng)集成樹算法雖然比決策樹性能更優(yōu)，但性能仍有改進(jìn)空間。

型采用新一代對(duì)稱樹算法，有效降低過度擬合，提高模型預(yù)測(cè)速度和預(yù)測(cè)能力。

糖尿病預(yù)測(cè)模型性能優(yōu)秀，ROC大于0.84。

通過描述性統(tǒng)計(jì)，我們觀察匹馬印第安糖尿病數(shù)據(jù)集變量直方圖：BMI，血壓，血糖三個(gè)變量呈現(xiàn)明顯正態(tài)分布。

所有變量數(shù)據(jù)缺失率為0，是良好科研建模數(shù)據(jù)集。

變量相關(guān)性熱力圖顯示：血糖，BMI，年齡與糖尿病有高度相關(guān)性。

通過數(shù)據(jù)挖掘，我們得到匹馬印第安數(shù)據(jù)集中變量重要性排序。

模型啟示錄1
血糖-控制含糖量高的食品攝入，例如白糖，奶茶，糖果，零食。

模型啟示錄2

BMI-控制體重，適當(dāng)鍛煉

學(xué)生論文參考
Python機(jī)器學(xué)習(xí)-糖尿病數(shù)據(jù)挖掘相關(guān)教學(xué)案例

如果您們對(duì)糖尿病模型項(xiàng)目感興趣，歡迎各大醫(yī)療機(jī)構(gòu)，科研機(jī)構(gòu)，生物醫(yī)藥企業(yè)聯(lián)系。

人工智能讓生活更美好！

版權(quán)聲明：文章來自公眾號(hào)(python生物信息學(xué)),未經(jīng)許可，不得抄襲。遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明。