// AI 新闻 · 2026-11-14 · Nature
基于机器学习的糖尿病风险分层分类研究
研究人员基于单中心队列数据，构建了融合临床与生活方式指标的机器学习模型，用于对现有糖尿病风险分层进行多类分类。研究采用825例患者数据，包含年龄、性别、BMI、血压、HbA1c、空腹血糖、体力活动及家族史等九项预测因子，通过支持向量机、随机森林、XGBoost和MLP四种模型进行评估，使用80:20划分的训练测试集及十折交叉验证，最终XGBoost模型在内部验证中表现最优，准确率、精确率、召回率和F1-score均达98.18%，ROC-AUC为0.99970。
原文发布 2026-11-14 08:00（北京时间）来源 Nature自动整理 · 已核对原文
01摘要
全局特征重要性分析显示，空腹血糖、收缩压、BMI和HbA1c是影响分类结果最关键的变量。研究强调该工作仅为概念验证，因数据来源单一且未经过外部验证，无法用于预测未来糖尿病发生或直接应用于临床实践，需进一步多中心独立验证以确认其有效性。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- 研究基于825例单中心患者数据，融合临床与生活方式指标构建机器学习分类模型。
- XGBoost在内部验证中表现最佳，准确率、精确率和F1-score均达98.18%，ROC-AUC为0.99970。
- 空腹血糖、收缩压、BMI和HbA1c被识别为最具影响力的预测因子。
- 研究未进行外部验证，结论仅作为概念性证据，尚未具备临床应用条件。
03原文出处
Machine learning-based diabetes risk classification using clinical and lifestyle indicators
Nature · 发布于 2026-11-14 08:00（北京时间） · 上方为原标题
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-14 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日