杨启帆，杨镇玮，白 超，罗 军

    新疆医科大学第一附属医院血管甲状腺外科，新疆 乌鲁木齐 830054

    2型糖尿病(type 2 diabetes mellitus，T2DM)是常见的慢性代谢病，已经成为全球性公共卫生问题，严重威胁人类的健康[1-2]。在中国，2020年估计60岁以上老年糖尿病患者已达到7813万，患病知晓率、诊断率和治疗率均较低[3]，导致诸多并发症发生。糖尿病足是糖尿病的严重并发症之一，约25%的糖尿病患者会发生不同程度的糖尿病足溃疡(diabetic foot ulcer，DFU)，其中，超过50%的患者会发生感染，20%的患者因中重度感染而截肢，严重影响远期生存率和生活质量[4]。因此，对糖尿病足的早期识别及针对性防治对于促进健康、减少医疗负担等具有重要意义。近年来，随着对医疗大数据认识的不断提升、对临床数据挖掘(data mining，DM)的不断深入，机器学习(machine learning，ML)算法能够对疾病的发生和预后等进行预测[5-7]，在影响因素筛选和模型预测效能等方面已得到广泛认可。本文对国内外关于ML算法在糖尿病足诊断和预后预测方面的应用进展进行综述，以期对糖尿病足的预防、诊断及治疗提供借鉴。

    1 ML概述

    ML是人工智能(artificial intelligence，AI)的一个子领域。自20世纪80年代末至今，ML在预测、推荐、自然语言识别与分类、语音识别、图像和视觉等领域广受关注[8]。ML的发明始于人工神经网络误差反向传播(back propagation，BP)算法，该算法模拟生物体的自然神经网络系统，具有对任意复杂的模式进行分类的能力和优良的多维函数映射能力，可处理复杂的非线性问题[9]，从而发挥预测作用。然而，由于多层网络训练困难，在实际使用中最初的算法仅含有一层隐藏层节点[10]，故此时ML主要以浅层学习为主。20世纪90年代，各种浅层学习模型被逐步提出。支持向量机(support vector machine，SVM)是一种监督学习算法，可用于回归分析和二分类问题，它减少了经验分类所产生的误差，并增加了裕度，也被称为最大裕度分类器[11]。决策树模拟了树状图结构，通过C4.5、C5.0等算法使用信息增益率进行选择，由根节点开始逐步分类，最终到达最后一层叶节点。决策树可处理连续型或离散性数据，但已被证明可能出现过拟合[12]。随机森林(random forest，RF)算法由多棵决策树构成，最终分类结果取决于生成的各决策树投票结果，对于决策树模型泛化能力弱的问题可较好地解决 ......