深度学习揭示糖尿病前兆的长期聚类

一项预印本研究利用来自四个美国队列的15,871名成年人的157,670次就诊记录，采用门控循环单元模型（GRU-D）学习糖尿病确诊前的纵向嵌入。研究发现，在诊断前10年内，根据25项临床指标可识别出多个不同的糖尿病病理生理学聚类。这些聚类与心血管疾病事件和全因死亡风险存在显著差异，其中某些聚类表现出更高的风险。该研究提示，基于纵向轨迹的聚类方法可能比传统单时间点模型更好地预测糖尿病并发症。该预印本尚未经过同行评审。