编辑推荐：
糖尿病口腔溃疡（DOU）严重影响患者生活质量且诊断存在不足。研究人员开发基于机器学习（ML）的预测模型，纳入多维度数据。结果显示 SVC 模型表现最优，为 DOU 早期筛查和精准管理提供新方向。
糖尿病（DM）作为全球性健康难题，其并发症常累及多个系统。糖尿病口腔溃疡（DOU）是糖尿病患者常见且棘手的并发症之一，表现为口腔黏膜损伤与溃疡。数据显示，超 90% 糖尿病患者存在口腔并发症，45% 饱受口腔溃疡困扰。DOU 不仅引发疼痛、吞咽困难等不适，降低生活质量，还可能因长期炎症、免疫失衡增加感染风险，且当前诊断方法在早期 detection 方面存在局限。因此，探寻高效的 DOU 早期预测与干预手段成为亟待解决的临床问题。
为攻克上述难题，上海交通大学医学院附属新华医院的研究人员开展了相关研究。他们致力于开发一种基于机器学习（ML）的 DOU 风险预测模型，通过整合多维度数据实现对 DOU 发生与发展的精准预判，研究成果发表在《BMC Oral Health》。
研究人员以 2023 年 4 月至 7 月期间，上海交通大学医学院附属新华医院内分泌科门诊及住院部收治的 324 例糖尿病患者为研究对象，收集包括自我管理情况、口腔局部检查、经济相关数据、生化数据等 127 项风险指标，以 “口腔溃疡复发” 为目标特征，将数据分为训练组（267 例有复发）和验证组（113 例无复发）。研究采用 100 次重复的分层随机抽样交叉验证（MCCV）方案，结合合成少数过采样技术（SMOTE）处理样本不平衡问题。运用方差阈值（VT）、互信息（MI）、方差膨胀因子（VIF）等特征选择技术，并构建支持向量机分类器（SVC）、多层感知机（MLP）、逻辑回归分类器（LogReg）和感知机（Perceptron）四种预测模型。
模型性能评估
通过 100 次交叉验证，对各模型的准确性（ACC）、受试者工作特征曲线下面积（AUC）等指标进行评估。结果表明，SVC 模型表现最优，其平均 ACC 为 0.95，AUC 达 0.91，且在各项指标的标准差较小，稳定性显著优于其他模型。MLP、LogReg 和 Perceptron 的 AUC 分别为 0.89、0.90 和 0.91，但在 ACC 等关键指标上稍逊于 SVC。
特征重要性分析
经分析，模型中前 5 个关键特征为当前口腔溃疡数量、口腔功能能力下降、龋齿或缺失牙数量、拥有商业健康保险和低密度脂蛋白（LDL-C），共占总重要性的 57.32%。其中，口腔检查指标占 46.46%，血清脂质标记（如 LDL-C、甘油三酯 TG 等）占 6.93%，社会人口学因素、个人生活方式及心血管疾病等也发挥一定作用。这提示口腔局部状况、代谢指标及社会经济因素均与 DOU 密切相关。
讨论与意义
该研究构建的基于 SVC 算法的 DOU 风险预测模型具有高准确性与稳定性，为糖尿病患者的 DOU 早期预警提供了可靠工具。临床可依据风险评分及时识别高危人群，实施精准干预，如强化口腔卫生指导、优化血糖与血脂管理等。研究首次综合口腔检查、生理指标、自我管理能力及经济因素等多维度数据，突破了传统单一指标诊断的局限，为 DOU 的高效筛查与个性化管理奠定了基础。尽管研究存在样本量有限、单中心等不足，但为后续多中心、大样本验证及开发基于该模型的临床应用工具（如移动应用程序）提供了重要方向，有望推动机器学习在口腔疾病领域的广泛应用，提升糖尿病并发症的整体管理水平。
