超过2500万人(约占美国总人口的8.3%)患有糖尿病。

糖尿病还与心脏病、中风、失明和肾病等一系列复杂疾病有关。

许多糖尿病患者诊断较晚，并发展为2型糖尿病。

预测2型糖尿病患者是有必要的，以更好地了解这些并发症的糖尿病患者遭受。

随着以人工智能为基础的方法的兴起，我们可以找到解决这个问题的方法。核心挑战是利用人工智能开发能够预测患者是否患有2型糖尿病的先进软件系统。人工智能可以从大量的糖尿病相关数据中提取隐藏的知识，帮助早期识别2型糖尿病患者。

其目标是创建一个基于人工智能的专有平台，可以预测个人罹患代谢综合征相关疾病(如2型糖尿病)的风险。

该系统基于患者收集的个人、医疗、诊断和药物数据。

在与客户进行头脑风暴之后，OSP提出了一个全面的系统，由医疗保健提供商来收集、记录和存储这些数据，以帮助预测模式。

OSP设计了一个出色的系统架构，可以很容易地查看所有所需的数据集及其当前状态。我们最终的概念系统设计包括深入的AI架构图、报告布局和屏幕设计。我们创建了一个智能的路线图，利用糖尿病数据集上的2000棵树组成的随机森林算法。

数据采集和存储是该系统工作的关键部分。我们将数据集简化为四个主要部分。

个人数据包括年龄、性别、身高和体重，而实验室数据包括身体测量和一些基本医学测试收集的数据。

HL7文本中的实验室数据包括患者的BMI、呼吸频率、心率、体温、收缩压和舒张压。我们使用收集数据的中位数。

医疗服务提供者可以使用先进的仪表板为每位患者添加自动ICD-9编码的诊断描述。

该系统还包括为每个患者各自的诊断开出的药物。将患者历史数据完整的EMR数据，应用随机森林算法和日志损失度量，推导出患者是否患有糖尿病的近似可能性。这种基于人工智能的预测分析解决方案有潜力识别目前患有2型糖尿病的患者。

这种基于人工智能的预测分析提供了风险分层，这对于医疗保健提供商和支付者的早期干预和成本效益资源分配至关重要。

该系统能够将重点放在患2型糖尿病等慢性疾病风险最高的人群上。

准确率达到95%以上的人已经患上了2型糖尿病，而准确率达到60%的人有可能在不久的将来患上糖尿病。

构建随机森林算法的随机性有助于考虑许多可能的解释，在这些解释中，它可以捕获比具有自动伸缩特性的一棵树更广泛的数据图像。

人工智能驱动的糖尿病预测分析使用电子病历数据，通过从非识别医疗记录数据集预测患有2型糖尿病的患者，从而提高公共健康水平。我们已经证明，基于人工智能的MVP有潜力利用先进的计算方法和算法改变糖尿病风险预测。在不调整任何参数的情况下，随机森林比logistic回归模型或单个决策树具有更好的准确性。OSP简化了最具挑战性的任务，即识别未被注意到的糖尿病患者，并帮助临床医生对疾病状况做出更好的决定。