王慧霞，张玉婷，朱曼辉

    (苏州大学理想眼科医院斜视与小儿眼科1，病理科2，江苏 苏州 215000)

    糖尿病视网膜病变(diabetic retinopathy，DR)是最常见且患病率较高的糖尿病(diabetic mellitus，DM)微血管并发症之一，主要病理改变是视网膜血管闭塞性循环障碍[1]。DR 严重威胁着糖尿病患者的生存质量，同时给社会带来严重经济负担。早期筛查防治DR，对于改善DM 患者远期预后至关重要[2]。近年来，国内外学者基于医院或社区的横断面或病例对照研究，利用广义线性模型算法，建立了一系列预测DM 患者发生DR 的模型及列线图，展现出较好的预判能力和临床运用效果[3，4]。广义线性模型属于机器学习中发展较早的统计学模型，而今机器学习飞速发展，算法不断更新，在监督学习中涌现出如支持向量机、决策树、朴素贝叶斯、人工神经网络等算法[5]。算法的不断更迭进步，伴随而来是对建模者专业知识不断增长的要求，这大大提高了临床医生利用机器学习算法的门槛。自动化机器学习(AutoML)可通过自动化建模和调参程序，大大降低建模人员的工作门槛和负担[6]。本研究采集本院患者一般资料及实验室检查结果，利用H2O 运算平台推出的AutoML 算法建立预测模型，旨在为DM 人群的DR 筛查提供新的思路。

    1 资料与方法

    1.1 一般资料 选取2019 年1 月-2021 年1 月于苏州大学理想眼科医院就诊患者电子病历数据，采用ICD-10 疾病分类标准进行编码。纳入606 例DM 患者，根据眼底照相分为单纯DM(DM 组)303 例及DM合并DR(DR 组)303 例。纳入标准：所有患者诊断均符合最新国内临床指南[1，2]。排除标准：①其他原因导致的高血糖；②合并2 型DM 急性并发症；③妊娠及哺乳期女性；④合并显著肝肾功能异常、严重的心脑血管疾病或恶性肿瘤等；⑤资料不全者。本研究已获苏州大学附属理想眼科医院伦理委员会批准(批准号SLER2018112)，所有患者均签署知情同意书。

    1.2 临床及实验室检测

    1.2.1 人体数据测量 测量并记录纳入人群的身高、体重、血压(SBP/DBP)、臀围和腰围，并计算体质量指数(BMI)和腰臀比(WHR)。采集患者既往病史、服药史、烟酒史，并通过计算代谢当量商(metabolic equivalent of task ......