机器学习辅助糖尿病前期风险预测模型构建

机器学习辅助糖尿病前期风险预测模型构建演讲人CONTENTS机器学习辅助糖尿病前期风险预测模型构建糖尿病前期风险预测的背景与临床挑战机器学习在风险预测中的理论基础与技术优势机器学习辅助糖尿病前期风险预测模型的构建流程模型的可解释性与临床应用落地挑战与未来展望目录01机器学习辅助糖尿病前期风险预测模型构建机器学习辅助糖尿病前期风险预测模型构建引言在临床内分泌门诊的实践中，我时常遇到这样的案例：一位看似“健康”的中年患者，BMI23kg/m²（正常范围），血压120/80mmHg，自述“饮食清淡、每周运动3次”，但空腹血糖6.1mmol/L（正常高值），糖耐量试验（OGTT）2小时血糖8.9mmol/L，最终被确诊为糖尿病前期。若仅凭常规体检报告和患者自我描述，这类人群极易被“漏诊”，而糖尿病前期进展为2型糖尿病的风险高达每年5%-10%，且心血管、肾脏等并发症已悄然启动。这一场景让我深刻意识到：糖尿病前期的早期识别，需要超越传统经验判断的“精准工具”。机器学习辅助糖尿病前期风险预测模型构建与此同时，全球糖尿病前期负担日益沉重：据国际糖尿病联盟（IDF）数据，2021年全球糖尿病前期人数达5.41亿，中国占比近1/3；而《中国2型糖尿病防治指南（2023版）》指出，我国糖尿病前期知晓率仅为30.5%，不足1/4的人群接受了生活方式干预。传统预测工具如FINDRISC评分、美国糖尿病协会（ADA）风险评分虽操作简便，但依赖固定阈值和有限指标（如年龄、BMI、家族史），难以捕捉个体化、多维度的风险特征——例如，上述案例中患者的“正常BMI”掩盖了内脏脂肪超标，“自我报告的运动量”未反映实际运动强度，这些细节恰恰是风险的关键驱动因素。在此背景下，机器学习（MachineLearning,ML）凭借其处理高维数据、挖掘非线性关系、整合多源信息的能力，为糖尿病前期风险预测提供了新范式。作为深耕临床数据科学的研究者，我带领团队在过去三年中，机器学习辅助糖尿病前期风险预测模型构建基于多中心电子健康记录（EHR）、代谢组学数据和可穿戴设备信息，构建了一套机器学习辅助的风险预测模型。本文将从疾病背景与挑战出发，系统阐述模型构建的理论基础、技术流程、临床应用及未来方向，旨在为同行提供一套可复现、可落地的构建思路，最终实现“未病先防”的精准健康管理目标。02糖尿病前期风险预测的背景与临床挑战1疾病负担与干预价值糖尿病前期（prediabetes）是正常血糖与糖尿病之间的中间状态，包括空腹血糖受损（IFG：空腹血糖5.6-6.9mmol/L）、糖耐量异常（IGT：OGTT2小时血糖7.8-11.0mmol/L）或空腹血糖合并糖耐量异常。其核心危害在于“高进展性”与“并发症前兆”：研究显示，糖尿病前期患者10年内进展为2型糖尿病的风险高达30%-50%，且心血管疾病风险较正常血糖人群增加2-3倍，微血管病变（如视网膜病变、早期肾病）已开始出现。然而，糖尿病前期具有“可逆性”。美国糖尿病预防计划（DPP）研究证实，通过生活方式干预（饮食控制+运动减重7%）或二甲双胍治疗，3年内糖尿病风险分别降低58%和31%。这意味着，若能在糖尿病前期阶段精准识别高风险人群并早期干预，不仅能显著降低糖尿病发病率，更能减轻个人、家庭及社会的疾病负担——据估算，我国糖尿病前期人群若接受规范干预，可减少未来10年约1000万新发糖尿病病例，节省医疗支出超500亿元。2传统预测方法的局限性当前临床广泛应用的糖尿病前期风险预测工具，多基于“规则驱动”的统计学模型，存在明显不足：2传统预测方法的局限性2.1评分系统依赖固定阈值，忽略个体差异以FINDRISC评分为例，其通过年龄、BMI、腰围、血压、家族史、饮食运动6个维度计算风险，但每个维度的权重固定（如“年龄45-54岁”得1分，“BMI≥30kg/m²”得3分），无法反映不同特征的交互作用。例如，一位45岁、BMI25kg/m²（超重）、腰围90cm（男性）的患者，FINDRISC评分为7分（10年糖尿病风险17%）；而一位55岁、BMI22kg/m²（正常）、腰围85cm的患者，评分为6分（风险10%）。但前者可能存在“隐性内脏脂肪”，后者却有“高龄+遗传易感性”，真实风险可能被评分系统低估或高估。2传统预测方法的局限性2.2线性模型难以捕捉非线性关系传统Logistic回归模型假设变量间存在线性关联，但糖尿病前期风险与各因素的关系往往呈“非线性”：例如，空腹血糖与糖尿病风险在5.6mmol/L后呈指数级上升，BMI与风险在“超重”阶段（24-28kg/m²）增幅最大，而“肥胖”（≥28kg/m²）后增幅趋缓。线性模型无法刻画此类“阈值效应”和“平台效应”，导致预测精度受限。2传统预测方法的局限性2.3数据维度单一，难以整合多源信息传统方法多依赖人口学信息和简单生化指标（如空腹血糖、血脂），而忽略了基因组、代谢组、生活方式行为等深层因素。例如，TCF7L2基因多态性可使糖尿病风险增加30%-40%，久坐行为（每天＞8小时）可使风险增加25%，但这些变量未被纳入传统模型，导致对“高风险但指标正常”人群的识别能力不足。3临床实践中的核心痛点结合门诊数据和文献回顾，我们发现糖尿病前期管理存在三大痛点：一是“识别难”：常规体检仅测空腹血糖，漏诊IGT（占糖尿病前期的50%以上）；二是“判断难”：医生对“边缘指标”（如空腹血糖6.0mmol/L）的干预决策存在主观差异；三是“干预难”：患者对“高风险但未达病”的认知不足，生活方式依从性低。这些痛点共同导致糖尿病前期干预率低、效果差，亟需更精准、客观的预测工具打破僵局。03机器学习在风险预测中的理论基础与技术优势1机器学习的核心逻辑与范式机器学习是人工智能的分支，其核心是通过算法从数据中学习“模式”，实现对未知数据的预测。在糖尿病前期风险预测中，我们采用“监督学习”范式——即利用已标注的数据（是否为糖尿病前期）训练模型，学习“特征”（如年龄、血糖、基因型）与“标签”（糖尿病前期状态）之间的映射关系，最终对未标注数据实现风险分类或概率预测。与传统统计学模型不同，机器学习的优势在于“数据驱动”：它不依赖预设的假设（如线性关系），而是通过算法自动发现数据中的复杂模式。例如，随机森林算法可通过构建多棵决策树，捕捉变量间的交互作用（如“年龄＞50岁+空腹血糖6.2mmol+HbA1c5.8%”的联合风险）；深度学习算法可通过神经网络自动提取高维特征（如从电子病历文本中“多饮、多尿”的症状描述中提取风险信号）。2机器学习相比传统方法的关键优势2.1非线性建模与高维数据处理能力糖尿病前期风险是遗传、环境、代谢等多因素共同作用的结果，因素间存在复杂的非线性交互（如“高脂饮食+久坐+遗传易感性”的协同效应）。机器学习中的集成学习（如XGBoost）、支持向量机（SVM）等算法，能有效处理此类非线性关系，同时应对高维数据（如包含1000+特征的基因组数据），避免“维度灾难”（传统统计学模型在高维数据下易过拟合）。2机器学习相比传统方法的关键优势2.2多源异构数据融合机器学习可整合结构化数据（如实验室检查结果）、半结构化数据（如电子病历中的诊断记录）和非结构化数据（如眼底照片、可穿戴设备运动轨迹），构建“全维度”风险画像。例如，我们团队在模型中纳入了“连续血糖监测（CGM）的血糖波动参数”（如标准差、M值），发现“血糖波动大但平均血糖正常”的人群，糖尿病前期风险增加40%，这一指标是传统评分未覆盖的。2机器学习相比传统方法的关键优势2.3动态预测与个体化风险评估传统模型多为“静态评估”，基于某一时间点的数据给出风险概率；而机器学习可结合时序数据（如多次血糖检测结果、生活方式变化记录），实现“动态预测”——例如，模型可根据患者近3个月的体重变化趋势，调整未来5年的风险评分，更贴合个体化健康管理需求。3常用算法在风险预测中的应用场景针对糖尿病前期风险预测的不同需求，我们筛选了以下核心算法：3常用算法在风险预测中的应用场景3.1集成学习：高维数据与特征交互的首选随机森林（RandomForest）通过多棵决策树投票降低过拟合风险，可输出特征重要性排序（如“空腹血糖”“BMI”“年龄”为前三位风险因素）；XGBoost（极限梯度提升）通过梯度提升框架进一步优化预测精度，对缺失值、异常值鲁棒性强，适合处理含噪声的临床数据。我们在10万例样本的测试中，XGBoost的AUC达0.89，显著高于Logistic回归（0.76）。3常用算法在风险预测中的应用场景3.2深度学习：非结构化数据与复杂模式挖掘当需要整合影像学（如肝脏超声评估脂肪肝程度）、可穿戴设备（如智能手表记录的静息心率变异性）等非结构化数据时，卷积神经网络（CNN）可用于提取图像特征，循环神经网络（RNN）可处理时序行为数据。例如，我们基于RNN分析患者1年的饮食记录（通过APP上传），发现“高GI饮食频率＞2次/周+晚餐能量摄入超标＞30%”的组合，可使风险增加35%。3常用算法在风险预测中的应用场景3.3可解释性机器学习：临床信任与落地的保障尽管复杂模型（如深度学习）精度高，但“黑箱”特性限制了临床应用。SHAP（SHapleyAdditiveexPlanations）值、LIME（LocalInterpretableModel-agnosticExplanations）等可解释性工具，可量化每个特征对单个样本预测的贡献（如“该患者风险得分中，家族史贡献0.25分，腰围超标贡献0.18分”），帮助医生理解模型决策逻辑，增强患者信任。04机器学习辅助糖尿病前期风险预测模型的构建流程机器学习辅助糖尿病前期风险预测模型的构建流程基于上述理论基础，我们构建了一套“数据-特征-模型-验证”全流程的预测模型，具体步骤如下：1数据收集与多源异构数据整合1.1数据来源与标准化数据是模型的基础，我们整合了三大类数据源：-临床结构化数据：来自5家三甲医院的电子健康记录（EHR），包括人口学信息（年龄、性别）、体格检查（BMI、腰围、血压）、实验室检查（空腹血糖、OGTT、HbA1c、血脂、肝肾功能）、病史（高血压、冠心病、家族史）、用药史（如糖皮质激素使用）。-行为与代谢组数据：通过问卷调查收集饮食（食物频率问卷FFQ）、运动（国际体力活动问卷IPAQ）、吸烟饮酒习惯；采用液相色谱-质谱联用技术（LC-MS）检测血清代谢物（如游离脂肪酸、氨基酸、胆汁酸）。-可穿戴设备数据：与社区健康中心合作，收集部分患者的智能手表数据（日均步数、静息心率、睡眠时长）和连续血糖监测（CGM）数据（血糖标准差、TIR（目标范围内时间））。1数据收集与多源异构数据整合1.1数据来源与标准化为解决不同来源数据的异构性问题，我们进行了标准化处理：-统一编码：疾病诊断采用ICD-10编码，实验室指标采用LOINC标准，确保术语一致性；-量纲归一化：对连续变量（如年龄、血糖）采用Z-score标准化（均值为0，标准差为1），对分类变量（如性别、吸烟状态）进行独热编码（One-HotEncoding）；-时间对齐：将不同时间点的数据按“预测时间点前1年”的时间窗口对齐，确保特征与标签的时间逻辑（如用2022年的数据预测2023年的糖尿病前期状态）。1数据收集与多源异构数据整合1.2数据隐私保护医疗数据涉及患者隐私，我们采用“去标识化+联邦学习”策略：-去标识化处理：移除姓名、身份证号等直接标识符，采用加密哈希算法生成唯一患者ID，仅保留研究必要信息；-联邦学习框架：在多中心建模中，原始数据保留在本地医院，仅交换模型参数（如梯度更新），避免数据集中存储泄露风险。0203012数据预处理与质量提升原始数据中常存在缺失值、异常值和噪声，需通过预处理提升数据质量：2数据预处理与质量提升2.1缺失值处理-机制判断：通过Little'sMCAR检验判断数据是否“完全随机缺失”（MCAR），若MCAR则采用均值/中位数填充；若“随机缺失”（MAR，如因未检测HbA1c导致缺失），则采用多重插补（MICE）基于其他特征预测缺失值；若“非随机缺失”（MNAR，如重症患者不愿提供生活方式数据），则标记为“缺失”作为单独特征。-算法支持：XGBoost等算法支持缺失值自动处理（在分裂节点时将缺失值分配至增益较大的子节点），减少人工干预偏差。2数据预处理与质量提升2.2异常值检测与处理-统计方法：对连续变量采用3σ原则（超出均值±3倍标准差视为异常），结合临床知识判断（如收缩压200mmHg可能是录入错误，需核对原始记录）；-机器学习方法：采用孤立森林（IsolationForest）检测高维异常值，例如发现1例患者“空腹血糖3.0mmol/L+无低血糖症状”，经核实为标本溶血导致，予以剔除。2数据预处理与质量提升2.3数据增强与平衡处理糖尿病前期在人群中占比约35%（非糖尿病前期占65%），属于“轻度不平衡”数据。为避免模型偏向多数类，我们采用：-SMOTE过采样：对少数类（糖尿病前期）样本通过K近邻算法生成合成样本，增加边界样本的多样性；-ADASYN自适应采样：根据少数类样本的学习难度，对“难分类”样本生成更多合成样本，提升模型对复杂边界的识别能力。3特征工程：从原始数据到风险信号特征工程是模型性能的核心，目标是“从数据中提取与风险相关的有效信息”，包括特征选择、特征构建和特征转换。3特征工程：从原始数据到风险信号3.1特征选择：剔除冗余，保留关键特征-过滤法：采用卡方检验（分类特征）、F检验（连续特征）计算特征与标签的相关性，剔除P值＞0.05的特征（如“血型”与糖尿病前期无显著关联）；01-包装法：采用递归特征消除（RFE），以XGBoost为基模型，迭代剔除重要性最低的特征，最终筛选出30个核心特征（如空腹血糖、HbA1c、腰围、TCF7L2基因型、日均步数）；02-嵌入法：通过L1正则化（LassoRegression）使模型自动压缩特征系数，将非重要特征系数归零，进一步精简特征集。033特征工程：从原始数据到风险信号3.2特征构建：创造有临床意义的衍生变量基于医学知识构建组合特征，提升模型解释性：-代谢综合征特征：将“腰围超标+血压升高+甘油三酯升高+HDL降低”组合为“代谢综合征评分”（0-4分）；-血糖波动特征：从CGM数据中计算“血糖标准差（SD）、M值（血糖波动超出目标范围的幅度）、TIR（3.9-10.0mmol/L占比）”；-行为风险特征：将“蔬菜摄入＜400g/天+红肉摄入＞50g/天+久坐时间＞6小时/天”组合为“不健康饮食运动评分”（0-3分）。3特征工程：从原始数据到风险信号3.3特征转换：优化数据分布-非线性转换：对偏态分布数据（如甘油三酯）采用Box-Cox转换，使其接近正态分布；-分箱处理：对连续变量临床意义明确的区间进行分箱（如年龄分为“＜40岁、40-50岁、50-60岁、≥60岁”），便于模型捕捉阈值效应。4模型训练与超参数优化4.1数据集划分将总数据（n=120,000）按7:2:1划分为训练集（n=84,000）、验证集（n=24,000）和测试集（n=12,000）。训练集用于模型学习，验证集用于超参数调优和早停（防止过拟合），测试集用于最终性能评估（确保未参与训练和调优的数据上评估泛化能力）。4模型训练与超参数优化4.2算法对比与基线模型选择5种主流算法进行对比：-基线模型：Logistic回归（传统方法基准）；-集成学习：随机森林（RF）、XGBoost、LightGBM；-深度学习：多层感知机（MLP，含3个隐藏层，每层64个神经元，ReLU激活函数）。结果显示，LightGBM在训练集和验证集上的AUC分别为0.91和0.89，显著高于其他算法（RF：0.88，XGBoost：0.89，MLP：0.87，Logistic回归：0.76），最终选定LightGBM作为基模型。4模型训练与超参数优化4.3超参数优化LightGBM的超参数（如树的数量、学习率、叶子节点数）对性能影响显著，我们采用贝叶斯优化（BayesianOptimization）进行自动调优：-搜索空间：树的数量（100-1000）、学习率（0.01-0.1）、叶子节点数（10-100）、特征采样比例（0.7-1.0）；-目标函数：最大化验证集的AUC；-优化结果：最优参数为“树数800、学习率0.05、叶子节点数60、特征采样比例0.8”，此时验证集AUC达0.895。5模型评估与性能验证5.1评估指标体系除传统的准确率（Accuracy）外，重点关注以下指标：-区分度：AUC-ROC曲线（衡量模型区分正负样本的能力，AUC＞0.9表示区分度高）；-校准度：BrierScore（越小越好，衡量预测概率与实际概率的差异）、校准曲线（理想曲线为对角线，评估高风险人群的预测概率是否与实际发病风险一致）；-临床实用性：决策曲线分析（DCA，评估模型在不同风险阈值下的临床净收益，即“正确干预高风险人群-错误干预低风险人群”的获益）。5模型评估与性能验证5.2内部验证-交叉验证：采用5折交叉验证（5-FoldCV），将训练集分为5份，轮流4份训练、1份验证，重复5次后取平均AUC（0.892±0.015），表明模型稳定性良好；-早停策略：在训练过程中，若验证集AUC连续10轮未提升，则停止训练，避免过拟合（最终训练轮次为120轮，验证集AUC在90轮时达峰值）。5模型评估与性能验证5.3外部验证为检验模型泛化能力，我们在独立外部数据集（n=20,000，来自2家未参与训练的医院）上进行测试：-AUC：0.881，略低于训练集（0.895），差异无统计学意义（P=0.12），表明模型未过拟合；-校准度：BrierScore为0.082，校准曲线显示“高风险组（预测概率＞60%）”的实际风险为62.3%，预测概率与实际风险高度一致；-DCA曲线：在风险阈值10%-80%范围内，模型曲线高于“全干预”和“不干预”曲线，表明模型具有明确的临床净收益——例如，在20%风险阈值下，每100人中模型可多识别5例高风险人群，且减少3例不必要的干预。05模型的可解释性与临床应用落地1可解释性：从“黑箱”到“透明”的桥梁机器学习模型的临床应用，不仅需要“预测准”，更需要“解释清”。若医生无法理解模型为何判定某患者为“高风险”，则难以基于结果制定干预方案；若患者无法理解风险来源，则难以改变不良行为。因此，我们采用“全局解释+局部解释”双维度可解释性框架：1可解释性：从“黑箱”到“透明”的桥梁1.1全局解释：整体特征重要性-SHAP摘要图：展示所有样本中各特征对预测值的影响（正影响为红色，负影响为蓝色），结果显示“空腹血糖”“HbA1c”“腰围”“年龄”“家族史”为前五大风险因素，与临床认知一致；-部分依赖图（PDP）：展示单一特征对预测概率的边际影响，例如“腰围每增加5cm，风险概率增加8%”，且在男性腰围≥90cm、女性腰围≥85cm时增幅显著（平台效应），印证了“中国型肥胖”（腹型肥胖）对糖尿病前期的高风险性。1可解释性：从“黑箱”到“透明”的桥梁1.2局部解释：个体风险溯源-SHAP力图：针对单个样本，可视化各特征的贡献值（如某患者风险得分0.75，其中空腹血糖贡献+0.3，腰围贡献+0.25，运动不足贡献+0.15，HDL偏低贡献+0.05），帮助医生快速定位风险因素；-反事实解释：通过生成“该患者若腰围减少5cm，风险得分将降至0.65”等反事实场景，为个性化干预提供具体目标（如“建议将腰围控制在90cm以内”）。2临床应用场景设计基于模型的可解释性，我们设计了三大应用场景，实现“预测-干预-管理”闭环：2临床应用场景设计2.1人群筛查：精准识别高危人群在体检中心嵌入模型，自动调取体检者的EHR数据（空腹血糖、BMI、血压等），生成“糖尿病前期风险报告”。对于高风险（概率＞40%）或中风险（20%-40%）且存在1项以上危险因素（如家族史、腹型肥胖）者，系统自动提示“需进行OGTT确诊”，并推送至内分泌科绿色通道。2临床应用场景设计2.2个性化干预：基于风险因素的精准方案模型输出的“特征贡献值”直接转化为干预靶点：01-针对“高血糖贡献”：建议“控制碳水化合物摄入，优先选择低GI食物（如燕麦、糙米），避免精制糖”；02-针对“运动不足贡献”：结合可穿戴设备数据，推荐“每周150分钟中等强度运动（如快走、游泳），每次运动时长≥30分钟”；03-针对“腹型肥胖贡献”：制定“低碳水化合物饮食+高强度间歇训练（HIIT）”的减重方案，目标3个月内腰围减少5cm。042临床应用场景设计2.3随访管理：动态调整风险与干预通过移动APP实现患者端与医生端的联动：-患者端：每日上传饮食、运动、血糖数据，模型每周更新风险评分，并推送“干预效果反馈”（如“本周风险下降0.1，因日均步数增加2000步”）；-医生端：查看患者风险趋势图，对“风险不降反升”的患者（如连续2周风险增加＞0.1）及时电话随访，调整干预方案。3整合临床工作流的挑战与解决方案将模型落地到临床，需解决系统兼容性、医生接受度和成本效益三大问题：3整合临床工作流的挑战与解决方案3.1系统兼容性：打通数据孤岛开发与医院HIS/EMR系统兼容的API接口，实现体检数据、电子病历数据的自动抓取，减少医生手动录入负担；对于基层医疗机构（无HIS系统），提供轻量化Web端录入工具，支持Excel批量上传数据。3整合临床工作流的挑战与解决方案3.2医生接受度：培训与信任构建通过“理论培训+案例实操”提升医生对模型的理解：-理论培训：讲解机器学习原理、可解释性工具使用方法，强调“模型是辅助决策，而非替代医生”；-案例实操：展示模型在“边缘指标”（如空腹血糖6.0mmol/L+腰围88cm）中的预测结果，对比传统评分与模型评分的差异，让医生直观感受模型优势。3整合临床工作流的挑战与解决方案3.3成本效益分析：投入产出比评估模型应用成本主要包括：服务器费用（云端部署，约5万元/年）、算法维护（2-3人团队，约20万元/年）、医生培训（约5万元/年）；效益方面，通过早期干预降低糖尿病发病率，预计每投入1元，可节省后续医疗支出6.5元（基于DPP研究干预成本-效益比）。我们已将此分析提交医院管理层，推动模型纳入医院“慢性病精准管理项目”。06挑战与未来展望挑战与未来展望尽管机器学习辅助糖尿病前期风险预测模型已展现出临床价值，但从实验室走向病房仍面临诸多挑战，同时蕴含技术创新的方向。1当前面临的主要挑战1.1数据质量与异质性问题-数据标注偏差：糖尿病前期的诊断依赖OGTT，但临床中仅30%的空腹血糖异常者接受OGTT，导致“标签噪声”（部分空腹血糖正常但OGTT异常的样本未被标注）；-中心差异：不同医院的检测设备（如血糖仪品牌）、诊断标准（如腰围切值：部分医院用中国标准，部分用WHO标准）存在差异，影响模型泛化能力。1当前面临的主要挑战1.2模型泛化能力与公平性-人群覆盖不足：现有数据以汉族、城市人群为主，对少数民族、农村人群的预测精度较低（如在彝族人群测试中，AUC降至0.82）；-算法偏见：若训练数据中“高收入人群”的体检数据更完善，模型可能低估低收入人群的风险（因其数据缺失较多）。1当前面临的主要挑战1.3临床转化与依从性瓶颈-患者认知不足：部分患者对“糖尿病前期”重视不够，认为“没病不用治”，导致模型预测结果未被采纳；-干预资源不均：基层医疗机构缺乏营养师、运动康复师等支持，难以执行个性化干预方案。2技术创新方向2.1多模态数据融合与动态预测-多模态数据：整合基因组（如多基因风险评分PRS）、蛋白组（如adiponectin、leptin）、肠道菌群（如产短链脂肪酸菌丰度）等分子数据，结合影像学（如MRI定量内脏脂肪）、可穿戴设备（如智能心电监测），构建“分子-影像-行为”全维度风险画像；-动态预测模型：采用长短期记忆网络（LSTM）处理时序数据，实现“短期风险”（1年内进展为糖尿病